Académique Documents
Professionnel Documents
Culture Documents
Par
François Trottier Duclos
Programme de sciences cliniques
Par
François Trottier Duclos
Programme de sciences cliniques
.
iv
.
v
.
vi
10 REMERCIEMENTS ................................................................................................................ 88
.
vii
Figure 11. Disposition des électrodes selon le système standard 10-20 ........................... 42
Figure 17. Méthode des régions d’intérêts (ROI) intégrées à la tractographie ................ 52
Figure 21. Méthode fonction de distribution d’orientation des fibres (fODF) ................. 57
Figure 24. Distribution de la DLE main droite des électrodes significatives .................... 68
.
viii
Figure 25. DLE main droite moyenne de chacun des participants ....................................... 69
Figure 26. Évolution temporelle DLE main droite des électrodes significatives ............ 69
Figure 28. Distribution de la DLE main gauche des électrodes significatives .................. 71
Figure 29. DLE main gauche moyenne de chacun des participants ..................................... 72
Figure 30. Évolution temporelle DLE main gauche des électrodes significatives .......... 72
Figure 32. Topographes relation aire du CC normalisée et DLE main droite ................... 75
Figure 33. Topographes relation aire du CC normalisée et DLE main gauche ................. 76
.
ix
.
x
.
1
1.1 Problématique
.
2
.
3
Plus spécifiquement, lorsque l’EEG est utilisé pour étudier le système moteur, on
s’intéresse principalement au spectre de fréquences bêta. À notre connaissance, aucune
étude n’a évalué spécifiquement l’effet du CC sur la DLE dans le spectre bêta (-DLE).
Pourtant la distribution spatiotemporelle de cette mesure elle-même suggère aussi la
présence d’une interaction interhémisphérique. En effet, la -DLE élicitée par un
mouvement de la main droite est localisée non seulement au niveau des électrodes situées
en regard de l’hémisphère gauche, mais aussi au niveau des électrodes situées au-dessus de
l’hémisphère droit (Pfurtscheller et Lopes da Silva, 1999).
.
4
Le cerveau est composé d’un ensemble de neurones interreliés ensembles selon un réseau
d’axones infiniment complexe. Chaque neurone produit son propre signal électrique que
l’on peut considérer comme une onde sinusoïdale, telle que représentée à la figure 1a. Sur
ce graphique, l’axe X représente le temps et l’axe Y représente le potentiel électrique, c’est-
à-dire l’intensité du signal électrique. L’amplitude est définie comme étant la différence de
potentiel entre les points P et Q, soit la différence de potentiel entre le point le plus positif
et le point le plus négatif de l’onde.
.
5
L’addition de deux ondes représente l’addition du potentiel de chacune des ondes à chacun
des moments, elle dépend donc grandement de la différence de phase entre les ondes. Ainsi,
si on additionne deux ondes de même fréquence, de même amplitude et de même phase, on
obtiendra une onde ayant une amplitude deux fois plus élevée, mais dont la fréquence et la
phase resteront inchangées. La figure 1d représente la somme de deux ondes identiques à
celle présentée à la figure 1a. Si deux ondes de même amplitude et de même fréquence sont
parfaitement désynchronisées, c’est-à-dire qu’elles ont une différence de phase de π, leur
somme sera égale à 0. L’addition de deux ondes parfaitement désynchronisées est illustrée
à la figure 1e. On peut donc considérer que le signal produit par chaque neurone se
comporte comme une onde sinusoïdale ayant une amplitude, une fréquence et une phase
donnée. Ces caractéristiques peuvent être grandement variables pour un même neurone
selon la tâche effectuée. Le signal enregistré par l’EEG reflète la somme des ondes
produites par chaque neurone.
.
6
1.2.2 EEG
Il existe un large éventail de modalités permettant d’étudier l’activité cérébrale, dont
l’imagerie par résonnance magnétique fonctionnelle, la tomographie par émission de
positrons, la magnétoencéphalographie et l’EEG. Cependant, plusieurs de ces modalités
nécessitent des environnements dédiés, des installations techniques complexes, des
investissements importants et ne permettent pas une étude continue en temps réel de
l’activité corticale. L’EEG est l'outil le plus accessible et le seul ayant le potentiel d’être
utilisé facilement et couramment dans la vie de tous les jours (Huang et al., 2012). Une
version portative, sans-fil et peu dispendieuse a déjà été développée (Debener et al., 2012).
Elle illustre l’accessibilité de cette modalité. De plus, l’EEG est particulièrement
prometteur en ce qui a trait au développement des IND. Plus spécifiquement, l’étude des
modulations de son signal qu’entraînent des mouvements actifs des doigts suscite
actuellement un grand intérêt (Jeon et al., 2011).
.
7
.
8
Malgré la complexité du signal EEG, certaines caractéristiques sont plus stables lors de
différentes tâches. Par exemple, le signal EEG d’une personne au repos a une plus grande
amplitude si ses yeux sont fermés que si ses yeux sont ouverts. De plus, la fréquence du
signal enregistré dans ces conditions varie principalement entre 8 et 13 Hz (Schomer et
Lopes da Silva, 2011). C’est ainsi que le premier spectre de fréquences, nommé alpha, fut
décrit par Hans Berger en 1934. Cinq spectres de fréquences ont ensuite été décrits en
fonction de leurs rôles principaux. Le spectre le plus lent est nommé delta (δ), comprend les
fréquences inférieures à 3,5 Hz et est prédominant durant le sommeil profond. Le spectre
nommé thêta (θ) comprend les fréquences entre 4 et 8 Hz et semble principalement relié à
la mémoire de travail et aux émotions. Le spectre alpha (α) comprend les fréquences entre 8
et 13 Hz et reflète l’état de repos du cerveau éveillé. Le spectre bêta (β), qui nous
intéressera tout particulièrement, comprend les fréquences entre 14-30 Hz et est
principalement retrouvé lors du traitement d’informations sensorielles et motrices. Le
spectre gamma (γ) comprend toutes les fréquences supérieures à 30 Hz et est sollicité par
des tâches nécessitant une importante activité mentale et une attention soutenue (Schomer
et Lopes da Silva, 2011).
.
9
Lors d’une action motrice, une modulation d’amplitude est retrouvée principalement au
niveau des électrodes centrales dans le spectre de fréquences bêta. Bien que cette étude se
concentrera principalement sur l’analyse de cette modulation, il faut aussi préciser qu’une
modulation similaire a été décrite au niveau des mêmes électrodes, mais pour le spectre de
fréquences alpha (Gastaut et al., 1952). Ce rythme est nommé mu () et réagit autant aux
mouvement actif et passif qu’à à la stimulation sensorielle (Pfurtscheller et Lopes da Silva,
1999).
Une fois le signal filtré et un spectre de fréquences isolé, plusieurs méthodes quantitatives
ont été élaborées pour analyser l’information contenue dans le signal EEG (figure 2). Ces
méthodes sont grandement utilisées en recherche, mais encore peu en clinique. Elles
peuvent être divisées en deux groupes, soit celles nécessitant les signaux de plusieurs
électrodes et celles d’une seule électrode. Lorsque les signaux de plusieurs électrodes sont
comparés, on s’intéresse généralement à leur cohérence, soit leur degré de synchronisation.
Lorsque le signal d’une seule électrode est analysé, on s’intéresse surtout aux fluctuations
d’amplitude du signal. On peut sous-diviser l’analyse de l’amplitude du signal d’une seule
électrode en deux groupes. D’abord, les potentiels évoqués dont l’activité est liée dans le
temps et la phase. Ensuite, la désynchronisation et la synchronisation liée à un évènement
dont l’activité est seulement liée dans le temps (Pfurtscheller et Lopes da Silva, 1999). Ces
dernières peuvent être calculées pour une seule électrode ou pour un groupe d’électrode qui
est alors considéré comme un tout.
.
10
Les potentiels évoqués permettent d’isoler les petites variations d’activité corticale
entraînées par l’exécution d’une tâche (Schomer et Lopes da Silva, 2011). Tel que souligné,
le signal enregistré au repos est très variable, semblant presque erratique. Ainsi, si on
additionne un grand nombre de courts enregistrements ensemble ils finiront par s’annuler.
Pour mettre en évidence les potentiels évoqués, on additionne un grand nombre de courts
enregistrements d’une même tâche. Cela permet d’éliminer les portions aléatoires du signal
et d’amplifier les petites variations entraînées par l’exécution d’une tâche donnée.
Toutefois, cette méthode ne permet pas d’étudier ou de décoder l’EEG en temps réel
(Makeig et al., 2004).
.
11
la planification et l’exécution d’une tâche, tel un mouvement des doigts (Jeon et al., 2011;
Leocani et al., 2001; Pfurtscheller et Andrew, 1999). Bien que l’explication physiologique
reste imprécise, il est plus facile de la comprendre en imaginant l’ensemble des neurones au
repos synchronisés ensemble. Lorsqu’une tâche est effectuée, une région se désynchronise
de l’ensemble pour traiter l’information, ce qui entraîne une diminution du signal EEG total
puisqu’il représente la somme des signaux de tous les neurones. La DLE quantifie cette
diminution d’amplitude et reflète donc l’activation corticale. Suite au mouvement, une
augmentation temporaire d’amplitude du signal dépassant celle au repos a été décrite. La
SLE quantifie cette augmentation d’amplitude et reflète donc l’inactivation corticale
(Pfurtscheller et Lopes da Silva, 1999). Il est à noter que des phénomènes différents se
produisent selon le spectre de fréquences analysé. Ainsi, pour un mouvement volontaire, on
constate une DLE dans les fréquences alpha et bêta, mais une SLE dans le spectre de
fréquences gamma (Pfurtscheller, Graimann et al., 2003). Il semble fort improbable que
cette SLE dans la fréquence gamma représente une inactivation. Ainsi, le modèle
d’activation corticale a été proposé pour expliquer les phénomènes de DLE et de SLE
observés (Pfurtscheller, 2006). Ce modèle repose sur un équilibre entre la disponibilité des
neurones pour la synchronisation et leur excitabilité. Cet équilibre déterminerait si une DLE
ou une SLE est élicitée par une tâche. Toutefois, les mécanismes physiologiques précis
permettant de générer la DLE et la SLE restent incertains et seules des hypothèses sont
avancées.
En ce qui a trait à la SLE élicitée par l’arrêt d’un mouvement volontaire, ses différents
paramètres sont beaucoup plus variables et elle n’est pas retrouvée chez tous les sujets.
(Jeon et al., 2011; Neuper et Pfurtscheller, 2001; Pfurtscheller et al., 2005). De plus, elle
n’est pas bilatérale et est localisée exclusivement au niveau de l’hémisphère controlatéral
lors d’un mouvement unilatéral (Pfurtscheller, Woertz et al., 2003). Dans le même ordre
d’idée, la DLE dans la fréquence alpha est retrouvée moins régulièrement chez les sujets et
sa localisation semble moins précise (Crone et al., 1998). Elle semble provenir du gyrus
post-central et pourrait être davantage associée au traitement de l’information sensorielle
entourant la réalisation d’un mouvement (Nierula et al., 2013; Ohara et al., 2000). Ainsi, il
a été choisi de cibler cette étude sur l’analyse de la DLE dans le spectre de fréquences bêta
.
12
qui semble plus stable et plus spécifique au traitement de l’information motrice (Neuper et
Pfurtscheller, 2001).
Bien que plusieurs variantes méthodologiques aient été développées autour du calcul de la
DLE, la méthode la plus couramment employée est celle présentée à la figure 3
(Pfurtscheller et Lopes da Silva, 1999). En bref, le signal EEG est filtré afin de ne
conserver que le spectre de fréquences choisi (figure 3b). La puissance du signal à chaque
instant est extraite en élevant le potentiel électrique au carré (figure 3c). Cette opération est
nécessaire pour analyser l’amplitude du signal. En effet, le signal enregistré par l’EEG est
échantillonné plus de 100 fois par seconde. La valeur de potentiel enregistrée est parfois
positive et parfois négative. Ainsi, l’élévation au carré permet de transformer toutes les
valeurs négatives en valeurs positives et facilite les opérations mathématiques
subséquentes. Il est noter que d’autres méthodes permettent aussi d’extraire la puissance du
signal EEG. Par la suite, il est recommandé de réduire la fréquence d’échantillonnage afin
de diminuer la variabilité du signal et le nombre de calculs subséquents à effectuer (figure
tâche - repos
3d). Le calcul de la DLE est effectué selon l’équation suivante : X1 . Prepos
repos
représente la puissance moyenne du signal EEG durant une période de repos définie
quelques secondes avant le début de la tâche, soit de -4,5 secondes à -3,5 secondes (zone
hachurée, figure 3e). Ptâche représente la puissance du signal EEG à chacun des moments où
la DLE est calculée. Ainsi, ce calcul génère de nombreux points qui permettent la
reconstruction d’une courbe de la DLE en fonction du temps (figure 3e). Ces étapes sont
effectuées pour le signal de chacune des électrodes composant le casque EEG, ce qui
permet d’évaluer la contribution des différentes régions corticales au traitement de la tâche
(Derambure et al., 1999).
.
13
La DLE est utilisée pour étudier les mécanismes corticaux sollicités par un large éventail de
tâches. Par exemple, dans le spectre de fréquences alpha surtout des tâches mnésiques
(Doppelmayr et al., 2005; Klimesch, 1999; Neuper et al., 2005), visuelles et auditives
(Harris, 2005; Schulter et al., 1990) ont été étudiées. Dans le spectre de fréquences bêta, ce
sont surtout les tâches motrices qui sont analysées (Derambure et al., 1999; Pfurtscheller,
2003; van Wijk et al., 2012b). L’étude de la DLE dans le spectre de fréquence bêta (-
DLE) élicitée par une tâche motrice semble particulièrement prometteuse quant au
développement d’IND (Huang et al., 2012; Morash et al., 2008; Pfurtscheller et Neuper,
2006) et à l’étude de pathologies neuropsychiatriques, dont le Parkinson ou certaines
démences (Gourab et Schmit, 2010; Leocani et Comi, 2006; Pfurtscheller et Neuper, 2006).
.
14
1.2.3 DLE du spectre de fréquences bêta ( -DLE) élicitée par un mouvement unimanuel
La tâche motrice la plus couramment étudiée est le mouvement des doigts d’une seule main
(Jeon et al., 2011). Ce choix est notamment justifié par la simplicité de la tâche et l’absence
d’interférence avec l’enregistrement EEG (Derambure et al., 1999). Cette étude portant sur
une tâche motrice impliquant le mouvement des doigts, la revue de la littérature a été
principalement restreinte à la -DLE élicitée par des mouvements des doigts.
L’enregistrement EEG est effectué à partir d’électrodes mises en contact avec le cuir
chevelu, mais il est aussi possible d’implanter chirurgicalement de petites électrodes
directement dans le cerveau. Ces électrodes intracrâniennes enregistrent un signal beaucoup
plus circonscrit, permettant de localiser plus précisément sa source. Grâce à ces électrodes
intracrâniennes, il est possible de discriminer précisément le signal du cortex moteur de
celui du cortex sensitif. Une étude ayant utilisé cette technique confirme l’évolution
temporelle de la -DLE enregistrée par l’EEG, la situe principalement au niveau du cortex
moteur primaire et démontre que la fréquence prédominante dans le cortex moteur
primaire est entre 18 à 22Hz, soit à l’intérieur du spectre bêta (Ohara et al., 2000).
.
15
gauche pour un mouvement de la main droite, mais aussi en regard des aires motrices
ipsilatérales lors d’un mouvement unilatéral. La signification physiologique de cette
activité ipsilatérale reste controversée. Toutefois, une théorie de plus en plus répandue
suppose qu’elle représenterait l’inhibition des régions motrices ipsilatérales par les régions
motrices controlatérales afin d’empêcher l’apparition de mouvements miroirs (van Wijk et
al., 2012a). Une discussion plus approfondie sur les hypothèses neurophysiologiques et le
rôle du CC dans cette interaction est présentée à la section 1.2.4.
Plusieurs études ont évalué la stabilité d’autres mesures quantitatives de l’EEG, dont
notamment l’amplitude du signal EEG. Ces études rapportent un coefficient test-retest
variant entre 0,75 et 0,90 pour l’amplitude du signal dans la fréquence bêta (Burgess et
Gruzelier, 1993; Kondacs et Szabó, 1999; Pollock et al., 1991). Ces études ont autant
évalué des sujets jeunes qu’âgés ainsi qu’au repos ou en mouvement. La majorité des
auteurs notent observer une plus grande variabilité interindividuelle qu’intra-individuelle.
Une étude récente a comparé la stabilité de différentes mesures quantitatives de l’EEG sur
10 enregistrements effectués sur une période de 2 mois (Gudmundsson et al., 2007). Les
auteurs concluent que la mesure la plus stable est l’amplitude, lorsque calculée pour chacun
.
16
Les études ayant évalué l’influence du type de mouvement sont, quant à elles, plus
contradictoires. Bien que la puissance et l’évolution de la DLE semblent indépendantes au
type de mouvement effectué (Alegre et al., 2004; Zaepffel et al., 2013), une étude française
(Szurhaj et al., 2001) rapporte certaines différences quant à son évolution spatiotemporelle.
Cette contradiction pourrait être expliquée par une influence du membre mobilisé, soit
.
17
Les résultats d’études évaluant l’impact de la vitesse d’un mouvement sont aussi
contradictoires. Deux études rapportent une DLE similaire pour les mouvements de l’index
vifs et lents (Stancák et Pfurtscheller, 1995; Stancák, Andrej et Pfurtscheller, 1996), alors
qu’une autre étude rapporte une augmentation de la puissance de la DLE suivant
l’augmentation de la fréquence d’un mouvement d’abduction du pouce (Toma et al., 2002).
Cependant, cette dernière étude a utilisé une méthode sensiblement différente pour calculer
la DLE et elle démontre seulement une différence entre les mouvements effectués à un
rythme inférieur à 2 Hz ainsi que supérieur à 3 Hz. Ces résultats poussent certains auteurs à
suggérer l’utilisation d’indices sonores afin de guider la vitesse d’exécution du mouvement.
Toutefois, il a été démontré qu’un indice sonore rythmique donné avant le signal marquant
le début de la tâche élicite aussi une DLE (Alegre et al., 2003; Doyle et al., 2005; Zaepffel
et al., 2013). La DLE générée par l’indice est de plus faible amplitude que celle générée par
le mouvement et semble plus latéralisée si cet indice permet de prédire quelle main devra
être mobilisée. Ainsi, lorsque le rythme est guidé par un indice sonore, la DLE générée par
cet indice pourrait interférer avec celle générée par le mouvement. Aucune étude évaluant
spécifiquement l’influence ce phénomène n’a été retrouvée. Par ailleurs, il est intéressant de
noter que la puissance DLE est maintenue pour toute la durée d’une séquence de
mouvements actifs (Alegre et al., 2004; Erbil et Ungan, 2007) pourvu que le mouvement
soit suffisamment rapide pour qu’il n’y ait pas de pause entre les enchaînements (Toma et
al., 2002). À l’opposé, elle disparaît en moins d’une seconde pour un mouvement maintenu
statique (Cassim et al., 2000).
.
18
Que les mouvements soient effectués par la main dominante ou la main non dominante
d’un jeune droitier ne semble pas avoir d’influence. Ils génèrent une DLE avec la même
puissance et la même évolution spatiotemporelle de la DLE (n=38) (Vallesi et al., 2010).
Elle est bilatérale et symétrique lors du mouvement, mais légèrement prédominante au
niveau de l’hémisphère controlatéral en pré-mouvement. Toutefois, une autre étude
comprenant moins de participants (n=9) a démontré une DLE plus symétrique pour les
mouvements de la main non dominante (Bai et al., 2005). Cette contradiction pourrait être
expliquée par le plus petit échantillon ou le plus grand âge des participants de cette dernière
étude. En effet, il semble que les participants âgés de plus de 50 ans produisent une DLE
qui soit plus symétrique et étendue à davantage d’électrodes (Labyt et al., 2004; Vallesi et
al., 2010). De plus, la DLE semble davantage symétrique et plus puissante lorsque la
complexité de la séquence motrice à effectuer est augmentée (Hummel et al., 2003;
Manganotti et al., 1998).
En somme, les modulations qu’entraînent plusieurs facteurs sur la DLE ont été étudiées.
Bien que l’influence de certains facteurs semble constante, il est souvent possible de
trouver d’autres études apportant des conclusions opposées. Ces contradictions peuvent être
expliquées par des différences quant à la tâche exacte effectuée, les caractéristiques des
participants ou la méthode de calcul de la DLE. Cependant, ces contradictions pourraient
aussi traduire la présence d’un facteur externe agissant comme facteur confondant. En effet,
la grande variabilité interindividuelle de cette mesure ne semble pas être considérée dans
les études consultées. Les données des différents groupes sont moyennées ensemble et les
données individuelles ne sont pas analysées. Ainsi, à notre connaissance, aucune étude n’a
évalué spécifiquement la variabilité interindividuelle de la DLE.
Un constat particulièrement intéressant de cette revue est la symétrie de la DLE élicitée par
un mouvement des doigts d’une seule main qui semble suggérer la présence d’une
interaction interhémisphérique. Cette symétrie peut être surprenante puisque l’on apprend
habituellement que l’hémicorps droit est contrôlé par l’hémisphère gauche et l’hémicorps
gauche par l’hémisphère droit (Blumenfeld, 2010). Toutefois, les résultats de plusieurs
.
19
Le CC étant la principale structure reliant les deux hémisphères, il a été l’objet d’un grand
nombre d’études visant à élucider son rôle dans des phénomènes tant physiologiques que
pathologiques. Les premières études évaluant le rôle du CC décrivaient les déficits causés
par une callosotomie, opération chirurgicale où le CC est sectionné. Cette opération
entraine des déficits subtils qui sont maintenant regroupés sous l’appellation du syndrome
de déconnexion (Pereira et al., 2012). Il est intéressant de noter qu’une section du corps
calleux n’entraîne pas de paralysie, mais entraîne toutefois une diminution de l’habileté
motrice unimanuelle (Geffen et al., 1994). Depuis, des méthodes plus élaborées et moins
invasives ont été développées pour étudier le CC.
.
20
.
21
.
22
Selon le modèle excitateur, le corps calleux permettrait plutôt l’interaction entre les
hémisphères. Ce modèle est notamment appuyé par des études démontrant une activation
corticale davantage bilatérale lors de tâches plus complexes (van der Knaap et van der
Ham, 2011). D’autres études démontrent qu’un plus petit corps calleux est corrélé à un
recrutement davantage unilatéral, donc latéralisé. Elles suggèrent ainsi que le CC est
nécessaire à la collaboration entre les hémisphères. Ces résultats contredisent le modèle
inhibiteur, puisque selon ce dernier un plus petit CC favoriserait plutôt un recrutement
davantage symétrique (van der Knaap et van der Ham, 2011). De plus, quelques études
utilisant la TMS ont démontré qu’une faible stimulation d’un cortex moteur pouvait
entraîner la stimulation du cortex moteur controlatéral, plutôt que son inhibition (Voineskos
et al., 2010). Une seule étude a utilisé la TMS et enregistré conjointement la DLE par EEG
(Rau et al., 2003). Cette étude démontre une augmentation de l’excitabilité du cortex
moteur droit durant les 200 premières millisecondes (ms) d’un mouvement vigoureux
d’extension des doigts de la main droite. Cette augmentation d’excitabilité suit
l’augmentation de la puissance de DLE localisée au niveau du cortex moteur droit. Ceci
suggère une relation entre l’activité interhémisphérique et la DLE ipsilatérale lors d’un
mouvement unimanuel. Selon les auteurs, bien que cette relation supporte le modèle
excitateur, elle n’exclut pas la possibilité d’une inhibition interhémisphérique. De plus, la
DLE est présente pour 600 ms suite au début du mouvement et ne semble pas liée à
l’excitabilité corticale durant les 400 dernières ms. Toutefois, il est important de préciser
que tous les participants n’ont pas effectué le volet TMS et l’enregistrement EEG. Ainsi, ce
ne sont pas les mêmes participants qui composent les deux groupes.
.
23
.
24
La technique la plus utilisée pour mesurer l’aire du CC est l’IRM, car elle est non invasive,
non douloureuse et non irradiante. De plus, l’image obtenue possède une résolution spatiale
et un contraste exceptionnels permettant de bien différencier les principaux tissus
composant le cerveau. Ces tissus sont la matière grise, soit les corps neuronaux, la matière
blanche, soit les axones myélinisés des neurones, et le liquide céphalo-rachidien
(Blumenfeld, 2010). L’IRM permet d’acquérir des images cérébrales anatomiques
apportant une quantité d’information impressionnante, et ce, pratiquement sans risque. Ces
images sont acquises grâce à de puissants champs magnétiques qui agissent sur la
magnétisation des protons de l’eau. L’image générée par l’IRM dépend donc de la présence
et de la densité des molécules d’eau dans les tissus composant le cerveau.
De nombreuses études ont été menées afin de d’investiguer la présence d’une relation entre
l’aire du CC et différents facteurs physiologiques. Les gauchers auraient généralement un
CC de plus grande superficie (Westerhausen et al., 2004; Witelson et Goldsmith, 1991),
bien que certaines études ne parviennent pas à démontrer cette relation (Luders et al.,
2010). La présence d’une relation entre l’aire du CC et le sexe d’un individu reste un sujet
controversé. Les hommes semblent avoir un CC de taille supérieure, mais lorsque l’on
.
25
Toutefois, cette mesure ayant le mérite d’être simple, elle ne parvient pas à représenter
toute la complexité des structures composant le CC. L’évolution de l’IRM, dont notamment
les techniques d’imagerie par résonnance magnétique de diffusion (IRMd) et d’imagerie du
tenseur de diffusion (DTI), permet maintenant de quantifier la magnitude et la direction de
diffusion des molécules d’eau. Ainsi, de nouvelles mesures quantitatives reflétant plus
précisément l’organisation et l’intégrité du CC ont été développées.
.
26
L’IRM de diffusion (IRMd) (Le Bihan et Breton, 1985; Le Bihan et al., 2006; Le Bihan,
2003) utilise essentiellement les mêmes techniques que l’IRM, mais permet d’imager la
diffusion de l’eau. En effet, les molécules d’eau dans les tissus ne sont pas immobiles. Elles
se déplacent aléatoirement selon un phénomène nommé mouvement brownien dont
l’intensité dépend essentiellement de la nature du milieu (Kastler et Allal, 2011). Ainsi, une
molécule d’eau située dans de l’eau se déplacera davantage qu’une molécule d’eau située
dans un bloc de béton. L’orientation de ce mouvement dépend de l’organisation du tissu
dans lequel elle se trouve. Ainsi, une molécule d’eau entourée d’eau aura autant de chance
de diffuser dans toutes les directions, phénomène appelé diffusion isotrope. Toutefois, si
elle est située dans un faisceau d’axones parallèles, elle aura davantage tendance à diffuser
selon l’axe des axones, phénomène appelé diffusion anisotrope (Kastler et Allal, 2011). En
ajoutant un gradient magnétique à la séquence d’IRM standard, l’IRMd permet d’estimer
quantitativement le déplacement des molécules d’eau. Cela permet d’étudier l’orientation
des structures au sein desquelles sont situées ces molécules, apportant une information
nouvelle sur leur organisation et leur intégrité. Toutefois, il faut rappeler que le mouvement
brownien est à l’échelle microscopique alors que la résolution habituelle des images
d’IRMd est de 2x2x2 mm3, c’est la taille de chacun des voxels. L’IRMd évalue le
phénomène de diffusion dans l’ensemble du voxel et n’est donc qu’une approximation de
ce qui se déroule réellement à l’échelle microscopique (Chamberland, 2013).
En utilisant les données de l’IRMd, on peut calculer le tenseur de diffusion qui représente
la magnitude et l’anisotropie de la diffusion de l’eau à chaque voxel étudié, c’est-à-dire sa
tendance à diffuser dans une direction donnée (Basser et Jones, 2002; Le Bihan et al.,
2001). Classiquement, le tenseur de diffusion est représenté par un ellipsoïde, soit une
sphère allongée dans un axe (voir Figure 6b). Cette sphère est parfaitement ronde si la
diffusion de l’eau est libre de toute contrainte (Figure 6a). Son rayon change en fonction de
l’intensité de la diffusion et sa forme en fonction des contraintes favorisant la diffusion
dans une direction donnée. Dans un axone, le tenseur de diffusion prendrait donc une forme
ellipsoïde s’approchant de la forme d’un cigare (Figure 6b). Le tenseur de diffusion est une
estimation de l’organisation du tissu imagé. Il est particulièrement utile pour représenter
l’orientation des faisceaux d’axones. Toutefois, l’utilisation du tenseur de diffusion pour
représenter les faisceaux d’axones est une simplification des phénomènes imagés et
.
27
comporte quelques limites. La plus importante est que l’on suppose la présence d’un seul
faisceau de fibres par voxel. Or, une proportion significative des voxels de matière blanche
contient plus d’une population de fibres, donc des faisceaux se croisant (Descoteaux, 2008).
Le tenseur ne pouvant représenter qu’une seule orientation, il tend à devenir sphérique dans
ces voxels et ne représente pas adéquatement l’organisation du tissu imagé (figure 8a et
8b). C’est pour répondre à cette limite que les méthodes de diffusion à haute résolution
angulaire ont été développées et seront brièvement abordées à la section 1.2.5.
a) b) c)
L’utilisation du tenseur de diffusion pour représenter chacun des voxels de l’image d’IRMd
est nommée imagerie de tenseur de diffusion (DTI) (Basser et Jones, 2002; Le Bihan et al.,
2001). La DTI s’est rapidement développée et est devenue l’une des techniques d’imagerie
les plus populaires en neurosciences (Assaf et Pasternak, 2008). Elle a favorisé le
développement de plusieurs mesures quantitatives dont la plus utilisée est l’anisotropie
fractionnelle (FA). La FA est toujours normalisée et prend une valeur variant entre 0 et 1.
Elle est calculée à partir des «valeurs propres» de diffusion, c’est-à-dire les 3 vecteurs
composant le tenseur de diffusion ellipsoïde (figure 6c) (Kastler et Allal, 2011). L’équation
√( ) ( ) ( )
est:
√ √
.
28
Une autre mesure dérivée de la DTI et fréquemment utilisée est la diffusivité moyenne
(MD). Cette mesure se veut un reflet de la magnitude de la diffusion de l’eau,
indépendamment de la direction (Ciccarelli et al., 2008). La MD est la moyenne de la
longueur des 3 vecteurs propres du tenseur de diffusion (figure 6c) (Assaf et Pasternak,
2008).
L’équation est:
Une MD plus grande signifie qu’il y a moins de contraintes à la diffusion des molécules
d’eau et qu’elles vont effectuer un plus grand déplacement. Simplifiée, cette mesure peut
être vue comme un reflet de la densité des structures dans chacun des voxels. Un voxel
contenant un dense faisceau d’axones aura une faible MD et un voxel contenant un faisceau
d’axones espacés aura une plus grande MD. La majorité des pathologies entraînent une
augmentation de la MD (Mukherjee et al., 2008). La MD et la FA sont des mesures
sensibles aux différents changements pathologiques et physiologiques au sein de la
structure imagée et sont régulièrement utilisées pour les quantifier. Toutefois, leur
spécificité est faible puisque de nombreux facteurs peuvent les influencer.
.
29
Tel que discuté précédemment, l’influence du sexe sur l’aire du CC reste controversée dans
la littérature scientifique. Ainsi, plusieurs auteurs ont voulu aborder cette controverse sous
un nouvel angle. Ils se sont intéressés à l’influence du sexe sur la FA et la MD au sein du
CC. En ce qui a trait à la FA, plusieurs suggèrent qu’elle serait plus grande chez les
hommes (Liu et al., 2010; Menzler et al., 2011; Westerhausen et al., 2004, 2011), mais une
étude récente dotée d’un large échantillon conclut l'inverse (Kanaan et al., 2012) et deux
autres études ne trouvent pas de différence (Lebel et al., 2010; Wu et al., 2011). Ces
résultats contradictoires peuvent être expliqués par différents facteurs confondants dont
l’âge des participants. En effet, une augmentation de la FA de l’enfance à l’âge adulte, puis
une diminution progressive en vieillissant ont été démontrées (Lebel et al., 2010;
Mukherjee et al., 2008; Schmithorst et al., 2008; Voineskos et al., 2012). La MD, quant à
elle, semble indépendante du sexe (Liu et al., 2010; Wu et al., 2011), mais aussi liée à
l’âge. On constate une diminution de l’enfance à l’âge adulte, puis une augmentation
progressive en vieillissant (Lebel et al., 2010; Schmithorst et al., 2008). Différentes
modulations de la FA et la MD ont été démontrées au sein du CC dans un large éventail de
pathologies. Toutefois, une revue de toutes ces modulations dépasse le cadre de ce mémoire
et a déjà fait l’objet de quelques revues de littérature (Ciccarelli et al., 2008; Huston et
Field, 2013). Des changements pathologiques entraînent le plus souvent une diminution de
la FA et une augmentation de la MD, mais des changements inverses peuvent être entraînés
par certaines pathologies.
.
30
1.2.5.3 Tractographie
.
31
de calculer un tenseur de diffusion plus complexe qui reflète la distribution des probabilités
des orientations de diffusion à partir d’une méthode de déconvolution sphérique nommé
fonction de distribution des orientations des fibres (fODF) (Figure 8c) (Descoteaux, 2008).
La fODF prend une forme pouvant avoir plusieurs pointes et dont la magnitude de la pointe
reflète la probabilité qu’il y ait eu diffusion dans cette direction. Elle permet de représenter
les croisements de faisceaux d’axones dans un voxel.
a) b) c)
Bien qu’un seul algorithme de tractographie soit utilisé dans ce projet, il en existe plusieurs
groupes présentant chacun leurs forces et leurs limites. Ils peuvent être divisés en deux
grands groupes, soit ceux utilisant une méthode globale ou locale (figure 9). En résumé, les
méthodes globales considèrent tous les voxels de l’image et calculent l’ensemble des
tractes simultanément selon différents critères, par exemple en minimisant la distance totale
ou en maximisant une probabilité de connexion entre deux régions. Ces méthodes sont
relativement récentes, nécessitent des algorithmes complexes, des temps de calcul élevés et
sont encore peu utilisées dans les études actuelles (Girard, 2013). À l’opposé, les méthodes
de tractographie locale sont de plus en plus populaires en raison de leur simplicité. Un
exemple du parcours effectué par une méthode locale simple utilisant le tenseur de
diffusion a été présenté au début de cette section (figure 7). L’algorithme débute dans un
voxel donné et progresse selon l’orientation du tenseur de diffusion de ce voxel jusqu’à ce
qu’il atteigne le suivant. Il progresse ensuite dans le second voxel selon l’orientation du
nouveau tenseur de diffusion et continue ainsi jusqu’à ce qu’un critère de terminaison soit
atteint.
.
32
Deux grands types d’algorithmes de tractographie locale sont couramment utilisés (Figure
9). Les algorithmes déterministes utilisent le plus grand axe de l’ellipsoïde ou la principale
pointe de la fODF. Quant à eux, les algorithmes probabilistes sont basés sur une
distribution de probabilités d’orientation de diffusion, le calcul est plus complexe et prend
donc en compte l’ensemble des pointes de la fODF. Chacun présente ses caractéristiques,
les algorithmes déterministes génèrent un nombre et un éventail plus restreints de fibres.
Les algorithmes probabilistes permettent de mieux représenter l’ensemble des faisceaux de
matière blanche, mais génèrent davantage de faux positifs (Tournier et al., 2012). Par faux
positifs on entend la présence d’une connexion entre des voxels qui ne devraient pas être
connectés selon nos connaissances anatomiques. De nombreux paramètres propres à chacun
des algorithmes peuvent être optimisés afin de produire un tractogramme (ensemble de
tractes) représentant le plus fidèlement possible l’anatomie. Une méthode développée au
sein du laboratoire (Girard, 2013) s’appuyant sur la technologie HARDI (Descoteaux,
2008) et un algorithme de tractographie probabiliste implémenté dans le logiciel MRtrix
(Tournier et al., 2012) sera utilisée dans le cadre de ce projet et détaillée dans la méthode.
.
33
Ciccarelli et al., 2008). Elles sont aussi utilisées pour comparer la position et l’apparence
des voies reconstruites entre des sujets sains et des sujets atteints de différentes pathologies
comme dans la sclérose en plaques ou l’épilepsie (Ciccarelli et al., 2008). De plus, ces
méthodes sont de plus en plus utilisées lors de la planification opératoire neurochirurgicale
(Chamberland, 2013; Huston et Field, 2013).
En plus de ces applications cliniques, la tractographie est utilisée dans le cadre d’étude
évaluant l’importance du CC pour différents processus physiologiques, dont le système
moteur. Le CC étant exclusivement constitué d’axones, ces techniques sont
particulièrement adaptées à l’étude de cette structure. Ainsi, des auteurs ont revisité les
sous-divisions du CC en reconstruisant par tractographie les différents faisceaux de fibres
reliant les différentes régions corticales (figure 10a). Ils ont défini une nouvelle sous-
division du CC différant un peu de celle présentée précédemment (voir Figure 10b) (Hofer
et Frahm, 2006). Par la suite, ces auteurs ont démontré une organisation similaire du CC
chez le singe, renforçant la crédibilité de leur segmentation (Hofer et al., 2008). La
combinaison de la tractographie et de l’IRM fonctionnel a permis de confirmer la
localisation des fibres motrices et de pousser encore plus loin la description de
l’organisation des faisceaux au sein du CC (Wahl et al., 2007). En bref, l’IRM fonctionnel
évalue les fluctuations de l’apport veineux dans différentes régions du cerveau lors d’une
tâche et permet de déterminer les régions corticales activées par cette tâche. En combinant
les deux modalités, les auteurs ont pu déterminer la localisation précise des fibres
transcalleuses reliant les zones activées par des mouvements des lèvres, des mains ou des
pieds. Bien que ces zones soient très près l’une de l’autre, la zone des lèvres est située
antérieurement à celle des mains qui est antérieure à celle des pieds. Une méthode similaire
sera utilisée pour reconstruire les fibres reliant les régions responsables des mouvements
des mains.
.
34
Witelson
a) b)
Hofer et al.
La tractographie peut aussi être utilisée pour confirmer des résultats obtenus par d’autres
mesures. Par exemple, des auteurs ont démontré une relation entre la FA de la partie
médiane du CC et la coordination bimanuelle (Johansen-Berg et al., 2007). Ils ont ensuite
procédé à la génération de tracts à partir de cette région en utilisant un algorithme de
tractographie locale. Ils ont mis en évidence des connexions avec des régions corticales
liées au système moteur. Une autre étude a aussi démontré une relation entre la FA des
fibres du CC reliant les régions pariétales et occipitales, définies par tractographie, et la
coordination bimanuelle (Gooijers et al., 2013). Toutefois, à notre connaissance, aucune
étude n’a utilisée ces modalités pour étudier des mouvements unimanuels.
.
35
tractographie (Caminiti et al., 2013). Cette étude est particulièrement pertinente puisqu’elle
a évalué spécifiquement les voies transcalleuses motrices, prémotrices et
somatosensorielles. Les auteurs montrent que la longueur moyenne des voies mesurées à
partir de tractographie est similaire à celle mesurée et à partir de reconstruction
histologique, mais ne rapportent pas de mesure quantifiant cette relation. Toutes ces études
ont été effectuées chez l’animal, une seule étude validant la tractographie sur un cerveau
humain a été retrouvée (Seehaus et al., 2013). Cette étude a comparé de courtes voies
axonales mises en évidence par un algorithme de tractographie locale déterministe à celles
mises en évidence par coloration histologique. Globalement, les auteurs ont évalué qu’au
seuil optimal de FA la sensibilité de la tractographie s’élevait à ,78 et la spécificité à 0,79.
De plus, les auteurs ont démontré la capacité de la tractographie à discriminer les régions
comprenant des axones de celles n’en comprenant pas. Toutefois, cette étude présente
quelques limites puisque la délimitation des voies axonales a été faite sur une très courte
distance et pour un seul cerveau. De plus, les résultats de cette étude suggèrent une
sensibilité beaucoup plus faible pour les régions comprenant des croisements de voies, mais
cette limite est inhérente à l’algorithme de tractographie utilisé. Tel que présenté, les
algorithmes basés sur les méthodes HARDI sont reconnus comme beaucoup plus
performants pour reproduire les croisements de voies (Descoteaux et Deriche, 2009; Girard,
2013).
En somme, cette recension démontre le potentiel de l’EEG comme outil clinique. Toutefois,
sa trop grande variabilité et l’absence de mesures quantitatives fiables en limitent
grandement l’utilisation. La DLE, une mesure permettant de quantifier l’activité cérébrale
requise pour la réalisation d’une tâche, pourrait être grandement utile à l’étude du
fonctionnement du système moteur s’il était possible de réduire sa variabilité
interindividuelle. Cette mesure suscite présentement un intérêt particulier, notamment dans
le cadre du développement des IND. La recension présente aussi les modulations de cette
mesure lors de l’accomplissement d’un mouvement unilatéral des doigts et résume les
principaux facteurs influençant la puissance de la DLE. L’analyse de ces modulations
jumelée aux connaissances actuelles sur la neurophysiologie du mouvement suggère la
présence d’une interaction interhémisphérique et l’implication du CC au sein du système
.
36
moteur. Ainsi, cette structure grandement variable entre individus pourrait être la source de
la variabilité de la DLE. La seule mesure quantitative du CC utilisée a longtemps été sa
superficie sur une coupe mi-sagittale. Ainsi, la dernière section démontre comment l’IRM
peut être utilisée pour obtenir l’aire du CC sur la coupe mi-sagittale, mais aussi pour
extraire certaines mesures structurelles plus précises telles que la FA, la MD et la longueur
moyenne des fibres reconstruites grâce aux algorithmes de tractographie.
.
37
2.1. Devis
Un devis descriptif corrélationnel a été choisi puisqu’il est particulièrement adapté à
l’exploration de relations entre différents concepts (Fortin et al., 2006). Plus
spécifiquement, cette étude vise à explorer la présence d’une relation entre la puissance de
la DLE et différentes mesures structurelles du CC.
.
38
.
39
2.3. Hypothèses
En considérant la symétrie de la DLE lors d’un mouvement unimanuel et les connaissances
sur la neurophysiologie du mouvement, il est possible d’émettre l’hypothèse que la
puissance de la DLE élicitée par un mouvement unimanuel est liée au CC, mais plus
spécifiquement :
1. La puissance de la -DLE élicitée par un mouvement unimanuel est positivement liée à
l’aire du CC.
On infère habituellement qu’un individu doté d’un CC de plus grande superficie
possède une communication interhémisphérique plus efficace. Ainsi, il pourrait être
en mesure d’effectuer une meilleure synchronisation des cortex moteurs bilatéraux
et générer une -DLE plus puissante
2. La puissance de la -DLE élicitée par un mouvement unimanuel est positivement liée à
la FA au sein du CC.
On infère habituellement que la FA reflète l’intégrité et l’organisation d’un faisceau
d’Axone. Ainsi, un individu doté d’une plus grande FA au sein du CC serait en
mesure d’effectuer une meilleure communication interhémisphérique, lui permettant
de générer une -DLE plus puissante.
3. La puissance de la -DLE élicitée par un mouvement unimanuel est négativement liée à
la MD au sein du CC.
On infère habituellement que la MD est inversement proportionnelle à la densité
d’un faisceaux d’axones. Ainsi, un individu doté d’une MD plus faible aurait un CC
plus dense en faisceaux d’axones. Il serait en mesure d’effectuer une meilleure
.
40
.
41
2.4.3. Milieu
Tous les examens ont eu lieu au Centre de recherche clinique du Centre hospitalier
universitaire de Sherbrooke (CRCHUS) dans les mêmes laboratoires et dans les mêmes
conditions.
2.5.1. EEG
L’enregistrement EEG a été effectué grâce à un montage de 64 électrodes de surface
Ag/AgCl fixées sur un casque actiCAP active electrode system Version I et II et relié à des
amplificateurs BrainAmp MR (Brain Product, Inc,, Munich, Allemagne). Les électrodes
sont disposées selon le système standard international 10-20 avec une référence centrale
commune (Fcz) (Homan et al., 1987) (voir figure 11). L’enregistrement numérique du
signal EEG a été effectué grâce au logiciel Vision Recorder (Brain Product, Inc,, Munich,
Allemagne) à une fréquence d’échantillonnage de 5 Hz.
.
42
FCz
.
43
droite pour ces tâches. En bref, la cotation se fait comme suit : on calcule un score total
pour la main droite et un second pour la main gauche. On accorde 1 point pour l’utilisation
principale d’une main et 2 points pour l’utilisation exclusive d’une main. Si le sujet utilise
également les deux mains, on accorde un point pour chaque main. Le score final est calculé
comme suit : .
Un individu avec un score positif est catégorisé comme droitier et un individu avec un
score négatif est catégorisé comme gaucher.
.
44
Le casque EEG était déposé sur sa tête. Chacune des 64 électrodes fixées au casque est
munie d’un trou en son centre afin de déposer une solution saline en gel permettant un
contact direct entre l’électrode et le cuir chevelu. L’électrode de prise de terre et l’électrode
de référence étaient connectées en premier. Ensuite, les autres électrodes étaient mises en
contacts avec le cuir chevelu et leur impédance était vérifiée à l’aide d’un témoin lumineux.
Le temps requis pour la connexion de toutes les électrodes variait entre 30 et 45 minutes.
Lorsqu’elles étaient connectées, la tâche motrice était expliquée au sujet et il était invité à
prendre le temps nécessaire pour se familiariser avec les mouvements de chaque main.
.
45
tous mouvements faciaux ou de déglutition. Puis, il lui était demandé de garder les mains
dans la même position, paumes vers le haut, et de restreindre tous mouvements à ceux
requis par la tâche motrice.
.
46
.
47
intégrée au calcul de la DLE puisqu’elle était utilisée comme période de préparation pour le
participant au début de la tâche.
.
48
Une fois l’image anatomique normalisée selon l’atlas ICBM, la coupe mi-sagittale (figure
13b) a été définie selon les critères suivants : visualisation du cervelet et du tronc cérébral
séparés par le quatrième ventricule (figure 14a), fluide séparant le tectum du tegmentum
(figure 14b), aire maximale du vermis cérébelleux (figure 14c) (Howard et al., 2003).
.
49
Ensuite, cinq régions d’intérêt (ROI) contenant les frontières des sous-divisions décrites par
Witelson et al. (1989) ont été tracées manuellement pour chacun des sujets sur la coupe mi-
sagittale, ainsi que les trois coupes antérieures et postérieures avec le logiciel
FiberNavigator (www.github.com/scilus/fibernavigator) (Vaillancourt et al., 2010). Puis,
cinq ROI supplémentaires ont été créées avec la même méthode pour les frontières des
sous-divisions décrites par Hofer et al. (2006) (figures 13c).
Ensuite, toutes les ROI ont été rapatriées dans l’espace anatomique en appliquant l’inverse
de la transformation non-linéaire précédemment effectuée, toujours avec la commande
WarpImageMultiTransform du logiciel ANTS (figure 13d). Ces 10 ROI et une deuxième
copie des images anatomiques ont été réalignées selon l’atlas ICBM en utilisant une
méthode de recalage linéaire à 6 degrés de liberté à l’aide de la commande flirt du logiciel
.
50
FSL (Jenkinson et al., 2002) (figure 13d). Cette dernière méthode de recalage avec 6 degrés
de liberté applique seulement une combinaison de translation et de rotation afin d’aligner
les images, préservant ainsi les dimensions individuelles du CC, donc la variabilité
interindividuelle de son aire. Ensuite, il a été manuellement tracé en utilisant le logiciel
FiberNavigator sur la coupe mi-sagittale pour tous les sujets et sous-divisé selon les
proportions de Witelson et al. (1989) (figure 15a) et Hofer et al. (2006) (figure 15b) à l’aide
des frontières précédemment définies comme ROI (figure 13e). Les aires de l’ensemble du
CC et des différentes sous-divisions sur la coupe mi-sagittale ont été extraites à l’aide du
logiciel FiberNavigator (figure 13f).
a) b)
.
51
Dans un premier temps, les images anatomiques ont été alignées dans l’esapace ICBM en
appliquant un recalage linéaire à 6 degrés de libertés en utilisant la commande flirt du
logiciel FSL (figure 16a). Ensuite, la commande bet du logiciel FSL été utilisée pour
extraire le cerveau des images anatomiques (figure 16b). Cette commande permet
d’éliminer toutes les structures extra-cérébrales de l’image. Elle retire donc les structures
telles les os du crâne et la peau. Puis, la commande fast du logiciel FSL a été utilisée pour
diviser les voxels cérébraux en 3 groupes, soit ceux de matière grise, ceux de matière
blanche ou ceux de liquide céphalo-rachidien (LCR) (figure 16c). Cette commande crée
une ROI contenant tous les voxels de chacun de ces groupes. La commande fslstats (FSL)
est ensuite utilisée pour compter le nombre de voxels de matière grise et de matière
blanche, permettant de calculer le volume cérébral de chacun des participants (figure 16d).
.
52
Le volume cérébral ainsi obtenu à été utilisé pour normaliser l’aire du CC selon la formule
suivante : ( )
(Zaidel et Iacoboni, 2003).
.
53
Tel que présenté dans la recension des écrits, l’IRMd permet d’obtenir des mesures
reflétant la structure des tissus en quantifiant le phénomène de diffusion de l’eau. Pour ce
faire, on ajoute un gradient magnétique à la séquence d’acquisition standard de l’IRM. On
peut faire varier la force de ce gradient qui est quantifié par le facteur b. Plus le facteur b est
élevé, plus le phénomène de diffusion de l’eau est important, mais plus la qualité de
l’image se détériore. Ainsi, lors de l’acquisition des images de diffusion, il y a acquisition
de quelques images avec un facteur b de 0 afin de fournir une image de meilleure
résolution. Cette image est notamment utilisée pour localiser des structures anatomiques et
peut être extraite de la série d’images d’IRMd à l’aide de la commande AimsSubVolume du
logiciel BrainVISA (Cointepas et al., 2003; Geffroy et al., 2011) (figure 17a). La résolution
de l’image b , acquise avec une taille de voxels de 2x2x2 mm2, est augmentée pour créer
une nouvelle image b0, dont la taille de chacun des voxels est de 1x1x1 mm2 à l’aide de la
commande AimsResample du logiciel BrainVISA qui applique une méthode de ré-
échantillonnage linéaire (figure 17b).
.
54
Plusieurs ROI doivent être créées pour guider l’algorithme de tractographie (figure 18).
Une copie des images anatomiques est alignée sur l’image b à résolution augmentée grâce
à la commande flirt du logiciel FSL qui applique un recalage linéaire (figure 17c). Cette
nouvelle image T1 est ensuite utilisée pour segmenter manuellement le CC dans l’espace de
diffusion, créant une deuxième ROI du CC, mais orientée dans l’espace de diffusion (figure
17d). L’utilisation de cette ROI du CC sur la coupe mi-sagittale pour effectuer la
reconstruction des fibres transcalleuses a été démontrée efficace (Catani et Thiebaut de
Schotten, 2008). Ensuite, une deuxième ROI a été créée à partir des images anatomiques.
Ce ROI représente un plateau de 1 voxels d’épaisseur et dont le centre est situé 1 voxels
sous le CC. Cette ROI servira à exclure toutes les fibres erronées se dirigeant sous le CC
qui pourraient être reconstruites par l’algorithme de tractographie.
Deux autres ROI ont été créées pour être intégrées à l’algorithme de tractographie. Grâce
aux données disponibles au sein du laboratoire employant l’IRM fonctionnelle (IRMf) pour
étudier la même tâche motrice, nous avons pu visualiser approximativement la localisation
des zones d’activation à l’IRMf pour cette tâche. L’IRMf permet de déterminer les régions
corticales activées lors d’une tâche en étudiant les fluctuations d’apport veineux. Deux ROI
ont été tracées manuellement dans l’espace standard ICBM, une pour la zone d’activation
au niveau du cortex moteur gauche, liée aux mouvements de la main droite, et une autre
pour la zone d’activation au niveau du cortex moteur droit, liée aux mouvements de la main
gauche. Elles ont ensuite été dilatées de cinq voxels dans toutes les directions (figure 17f et
19a), c’est-à-dire que l’on a augmenté leur taille un peu comme on gonflerait un ballon.
Puis, elles ont été multipliées par les ROI du cortex moteur disponibles dans l’atlas ICBM
(figure 17g et 19b). Cette opération permet de créer deux ROI comprenant seulement les
voxels présents à la fois dans les ROI tracées manuellement et dans l’atlas du cortex moteur
ICBM (figure 19c). Ainsi, la multiplication de deux ROI permet de conserver seulement les
voxels constituant l’intersection entre ces ROI. Une copie de ces ROI, représentant donc les
zones d’activation IRMf dilatées dans le cortex moteur, ont ensuite été alignées dans
l’espace de diffusion de chacun des sujets en utilisant un recalage non-linéaire (commande
WarpImageMultiTransform du logiciel) et linéaire (commande flirt) (figure 17c).
.
55
Une dernière ROI a été créée afin de guider l’algorithme de tractographie. La méthode
employée est similaire à celle utilisée pour obtenir le volume cérébral et présentée à la
section 2.7.2.2. À partir des images anatomiques dans l’espace de diffusion, le cerveau a été
extrait à l’aide de la commande bet du logiciel FSL. Ensuite, la commande fast du logiciel
FSL a été utilisée pour segmenter automatiquement les voxels en 3 catégories, soit matière
grise, matière blanche et LCR. Les ROI de matière blanche et de matière grise ont été
additionnées à l’aide de la commande 3dcalc de AFNI, créant une ROI contenant tous les
voxels de matière blanche et de matière grise. Elle sera utilisée pour guider l’algorithme de
tractographie.
.
56
.
57
La méthode utilisée dans le cadre de ce projet provient des approches développées au sein
du laboratoire du Pr. Descoteaux (SCILUS) et par Gabriel Girard dans le cadre de sa
maîtrise (Descoteaux, 2008; Girard, 2013). En premier lieu, une ROI contenant seulement
les voxels ayant une FA supérieure à 0,7 est extraite à partir de la carte de FA en utilisant la
commande 3dcalc du logiciel AFNI (figure 21a). Ensuite, cette carte est multipliée par la
ROI de matière blanche dans l’espace de diffusion à l’aide de la commande 3dcalc du
logiciel AFNI (figure 21b). Ceci permet d’obtenir une carte contenant seulement les voxels
possédant une FA supérieure à 0,7 et situés dans la matière blanche. Il est supposé que les
voxels ayant une FA plus grande que 0,7 ne contiennent qu’une seule population de fibres,
c’est-à-dire que ces voxels sont exempts de croisements de faisceaux d’axones. Cette carte
.
58
des voxels ayant une seule population de fibres permet d’estimer la fonction de réponse des
fibres uniques à partir de la commande estimate_response du logiciel MRtrix (figure 21c).
La fonction de réponse des fibres uniques est combinée avec les images de diffusion à
résolution augmentée pour estimer la fonction de distribution d’orientation des fibres
(fODF) en utilisant la commande csdeconv de MRtrix (figure 21d). La fODF permet de
représenter par un modèle mathématique la probabilité que chacune des orientations
possibles des fibres soit présente (figure 8c). Elle permet de mieux représenter la
distribution des orientations des fibres et permet une meilleure représentation des régions
où il y a croisement de fibres (Descoteaux, 2008).
2.7.2.3.4. Tractographie
Dans le cadre de cette étude, il a été choisi d’exploiter un algorithme de tractographie local
puisqu’il est davantage utilisé dans les études actuelles (Girard, 2013). Toutes les études de
validation consultées ont évalué des algorithmes de tractographie locale (Caminiti et al.,
2013; Seehaus et al., 2013). L’algorithme de tractographie utilisé est implanté dans la
commande streamtrack de MRtrix. Plusieurs paramètres de l’algorithme peuvent être
modulés par le biais de cette commande. Ces paramètres sont résumés au tableau 1 et sont
expliqués au paragraphe suivant.
.
59
.
60
.
61
sujets, un tractogramme comprenant 100 fibres transcalleuses reliant les 2 ROI représentant
les zones d’activation IRMf (figure 22). La longueur moyenne de ces fibres a pu être
extraite grâce au logiciel FiberNavigator.
.
62
.
63
La DLE étant étendue à plusieurs électrodes, un test des rangs signés de Wilcoxon
unilatéral a été effectué afin de cibler les électrodes présentant une DLE significativement
inférieure à la moyenne au seuil de , 5. Ceci permettra de limiter l’analyse de la DLE
aux électrodes les changements liés à la tâche les plus importants. La symétrie de la DLE a
été testée en comparant la différence de puissance entre l’électrode centrale au niveau de
l’hémisphère gauche et de l’hémisphère droit à l’aide d’un test de Mann Whitney. Ces tests
ont été choisis en raison de la taille limitée de l’échantillon.
.
64
2.8.1.1. EEG
L’enregistrement EEG est indolore et à risque minimal. Toutefois, l’installation du casque
peut être inconfortable en raison de la pression exercée par l’aiguille tronquée permettant
d’appliquer la solution saline sous forme de gel. De très rares réactions allergiques au gel
ont aussi été décrites (<0,01%). De plus, un inconfort peut résulter de l’immobilité que le
participant doit maintenir tout au long de l’enregistrement.
2.8.1.2. IRM
L’examen IRM est indolore et à risque minimal. Le seul risque lié aux champs magnétiques
chez le sujet sain est la transmission de chaleur sous forme de radiofréquences. Afin de
minimiser ce risque, les protocoles d’imagerie fournis par le manufacturier Siemens sont
soumis à des contrôles sévères de la quantité d’énergie transmise au participant et l’appareil
utilisé est approuvé par Santé Canada. Sous les niveaux d’énergie acceptés, aucun effet
secondaire lié à la transmission de chaleur n’a été rapporté. Les autres risques connus sont
liés à la présence de matériel métallique chez le participant, tels un stimulateur cardiaque,
une valve cardiaque métallique ou tout autre implant métallique. C’est pourquoi la présence
de tout matériel métallique constitue une contre-indication à l’examen d’IRM.
Par ailleurs, la durée de l’examen (30 à 45 minutes) et le bruit répétitif généré par l’appareil
peuvent être désagréables. Un casque antibruit est déposé sur les oreilles du participant afin
de minimiser cet inconfort. De plus, un sentiment de malaise par crainte d’être enfermé
(claustrophobie) peut se manifester lors de ce test chez certaines personnes. L’examen
pourrait être interrompu à tout moment par le participant s’il manifestait un tel malaise et
les individus se sachant claustrophobes ont été exclus de l’étude.
.
65
2.8.2. Consentement
La présente étude s’inscrit dans le cadre de l’étude par résonnance magnétique et en
électroencéphalographie sur la connectivité fonctionnelle entre les structures du cerveau (#
21773) dont le protocole a été approuvé par le Comité d’éthique de la recherche chez
l’humain du CHUS. Elle est effectuée exclusivement chez des sujets sains volontaires. Un
consentement libre et éclairé a été obtenu de tous les participants. Ces derniers ne retirent
aucun bénéfice personnel de leur participation et l’étude est sans risques. Les participants
ont le droit de se retirer à tout moment sans préjudice. La confidentialité des données est
assurée. Les données ne seront pas ajoutées aux dossiers du CHUS, seront conservées
pendant 10 ans par le chercheur responsable et les participants auront le droit de consulter
leur dossier tant et aussi longtemps que les données seront disponibles.
.
66
3.2 DLE
La DLE permet de quantifier la diminution d’amplitude du signal EEG durant une tâche.
Elle se veut un reflet de l’activation corticale requise pour effectuer la tâche et est calculée
selon la méthode présentée à la section 2.7.1. En résumé, l’enregistrement est filtré entre
, 1 et 45 Hz, les artéfacts sont retirés par un algorithme basé sur l’analyse des
composantes indépendantes et l’enregistrement est transformé en référence locale moyenne.
Ensuite, la moyenne de la puissance du signal EEG dans l’intervalle de fréquence 15-25 Hz
de chacun des blocs tâche et repos sont obtenues. La DLE, exprimée en pourcentage, est
calculée selon l’équation suivante ( ) . Ainsi, la DLE devrait
toujours être négative puisqu’elle quantifie la diminution d’amplitude du signal durant une
tâche.
.
67
La figure 23 représente la tête d’un participant, telle que vue d’un point situé exactement
au-dessus. Chacune des électrodes est identifiée selon sa position dans le système standard
10-20. La DLE est calculée à chacune de ces électrodes et pour chacun des participants.
Elle est représentée par un code de couleur variant du rouge au bleu. Cette figure est une
carte topographique de la DLE qui s’apparente aux cartes topographiques utilisées en
géographie. Les régions délimitées par des traits sur la carte permettent d’identifier les
zones où la puissance de la DLE est plutôt similaire. On constate la présence de deux
régions où la DLE est plus puissante, avoisinant les -30%, et qui sont centrées sur les
électrodes C3 et C4. La DLE semble légèrement asymétrique, étant plus importante en
regard des électrodes centrales controlatérales au membre mobilisé (électrode C3).
.
68
La moyenne de la DLE calculée pour toutes les électrodes et tous les participants est de
-17%. Un test des rangs signés de Wilcoxon unilatéral avec un seuil alpha de 0,05 a été
effectué pour identifier les électrodes présentant une DLE significativement inférieure à
-17%. Au total, neuf électrodes présentent une DLE significativement différente, soit les
électrodes C5, FC3, C3, CP5, F1, Fz, CP2, C4 et FC6. Ces électrodes sont marquées d’un
cercle rouge à la figure 23. La distribution de la DLE de tous les participants à chacune de
ces électrodes est présentée à la figure 24.
.
69
La figure 25 présente la DLE moyenne des neuf électrodes significatives pour chacun des
participants. Certains présentent une DLE moyenne atteignant -5 % alors que d’autres
présentent une DLE moyenne avoisinant -10%, ce qui illustre la grande variabilité
interindividuelle de cette mesure.
Figure 26. Évolution temporelle DLE main droite des électrodes significatives
Ce graphique présente l’évolution temporelle de la DLE en fonction du temps. Voir la description du calcul
dans le texte.
.
70
.
71
Cette figure présente la distribution DLE main gauche des trois électrodes significatives. Le
trait rouge représente la médiane et les extrémités de la boite le 25e et 75e percentile. Les
barres d’erreurs comprennent 99% des données.
.
72
Cette figure illustre la moyenne de la DLE pour les trois électrodes significatives. Elle
illustre la grande variabilité de la puissance de la DLE entre les participants. De plus, les
participants ayant généré une forte DLE main droite (figure 25), ne semblent pas
systématiquement générer une forte DLE main gauche (figure 29).
Figure 30. Évolution temporelle DLE main gauche des électrodes significatives
Ce graphique présente l’évolution temporelle de la DLE en fonction du temps. Voir la description du calcul
dans le texte.
.
73
La figure 30 présente l’évolution temporelle de la DLE main gauche et est générée selon la
même méthode que pour la figure 26. Toutefois, elle ne démontre pas une démarcation
aussi nette entre la DLE des blocs tâche et la DLE au repos.
En résumé, ces résultats démontrent la présence d’une DLE centrée au niveau des
électrodes centrales et plutôt symétrique lors de l’exécution d’un mouvement des doigts de
la main droite et de la main gauche. Toutefois, la puissance de cette DLE entre les
différents participants est grandement variable. De plus, bien que les topographes de la
DLE moyenne main droite (figure 23) et de la DLE moyenne main gauche (figure 27)
soient similaires, il est intéressant de noter que les graphiques d’évolution temporelle sont
grandement différents (figures 26 et 30). La DLE élicitée par la tâche est bien moins
nettement représentée.
.
74
.
75
.
76
L’analyse de ces figures semble suggérer que le coefficient de corrélation entre la DLE
située en regard des électrodes centrales et l’aire du CC est plus faible que pour les autres
électrodes. Pourtant, les électrodes centrales sont celles qui génèrent la DLE la plus
puissante. Ces figures ne semblent pas démontrer de relation entre la puissance de l’aire du
CC normalisée et la puissance de la DLE.
.
77
L’analyse de ces figures montre aussi que les corrélations semblent plus faibles en regard
des électrodes centrales qui génèrent pourtant la DLE la plus forte. De plus, les corrélations
semblent globalement plus élevées pour les sous-divisions Hofer 4 et Witelson 4.
.
78
.
79
.
80
4.1. DLE
Pour cette étude, la méthode classique (Pfurtscheller et Lopes da Silva, 1999) a été utilisée
pour calculer la DLE. Il est à noter que plusieurs autres méthodes ont été proposées, mais
aucune n’est répandue dans la littérature consultée. Globalement, la topographie de la DLE
élicitée par un mouvement de la main droite (figure 23) correspond à celle présentée dans la
littérature (Derambure et al., 1999; Formaggio et al., 2013; Stancák, Andrej et
Pfurtscheller, 1997). Elle est principalement retrouvée au niveau des électrodes centrales et
est presque symétrique. L’évolution temporelle de la DLE (figure 26) correspond aussi à ce
qui est retrouvé dans la littérature. lusieurs études démontrent la présence d’une DLE
débutant en pré-mouvement. Toutefois, ceci n’est possible que lorsque le mouvement est
.
81
initié par le participant. Dans cette étude, il était demandé au participant de débuter la tâche
motrice dès le début du signal sonore. Ces tracés concordent donc avec ceux d’autres
études ayant utilisé un protocole similaire (Erbil et Ungan, 2007; Pfurtscheller et al., 1997).
En ce qui a trait aux topographes de la DLE main gauche (figure 28), la DLE est de plus
faible intensité et localisée principalement au niveau des électrodes C3 et C4, tel que
retrouvé dans la littérature (Bai et al., 2005; Formaggio et al., 2013; Stancák, Andrej et
Pfurtscheller, 1996; Vallesi et al., 2010). Cependant, l’évolution temporelle de la DLE main
gauche (figure 30) ne semble pas aussi nettement liée à la tâche que lorsque présentée dans
une autre étude (Stancák, Andrej et Pfurtscheller, 1997). Toutefois, cette étude évaluait la
DLE élicitée par l’imagination d’un mouvement de la main et était composée de seulement
3 sujets dont un seul a présenté une DLE main gauche nettement liée à la tâche. Ainsi, peu
d’études ont présenté l’évolution temporelle de la DLE générée par un mouvement de la
main non dominante. Les différences entre l’évolution temporelle de la DLE main droite et
gauche pourraient suggérer la présence de mécanismes différents générant la DLE pour les
mouvements de la main droite et de la main gauche. En effet, certains auteurs proposent
que les manifestations d’activité corticale bilatérale ne reflètent pas seulement la présence
d’une activité identique dans chacun des hémisphères, mais plutôt la présence des
mécanismes plus complexes et propres à chaque hémisphère (Pollok et al., 2006; van Wijk
et al., 2012a).
.
82
interhémisphérique, et ce, même pour des mouvements unimanuels (Pollok et al., 2006; van
Wijk et al., 2012a). Une étude récente a notamment démontré que l’aire du CC semble
reliée à l’activation corticale ipsilatérale au membre mobilisé tel que mesuré par IRM
fonctionnel lors de mouvements unimanuels (Stancák et al., 2003).
Suite à l’analyse des résultats, aucun des coefficients de corrélation quantifiant la relation
entre l’aire du CC normalisée et la DLE main droite ou gauche n’est significatif. De plus,
en analysant les topographes aux figures 32 et 33, les corrélations semblent plus faibles
pour les électrodes centrales qui sont situées au niveau des régions corticales motrices.
Tous ces éléments suggèrent l’absence de relation entre la puissance de la DLE et l’aire du
CC. Toutefois, cette absence de relation n’exclut pas une contribution du CC à la
réalisation de mouvements unimanuels. En effet, le calcul de l’aire du CC permet
d’approximer le nombre qui le compose, tous diamètres confondus (Aboitiz et al., 1992a).
Les circuits neuronaux permettant de générer le mouvement doivent acheminer
l’information particulièrement rapidement (Innocenti et al., 2013). La DLE pourrait donc
être davantage reliée aux caractéristiques des axones ayant un large diamètre (Hartline et
Colman, 2007; Perge et al., 2012; Pollok et al., 2006; Wang et al., 2008). Cette théorie est
soutenue par les résultats de certaines études qui démontrent une prédominance de fibres
transcalleuses de grand volume dans les régions sensori-motrices (Caminiti et al., 2013;
Innocenti et al., 2013). L’aire du CC pourrait donc ne pas être suffisamment sensible aux
variations des axones de grand diamètre. De nouvelles techniques, fort prometteuses,
pourraient pallier à cette limite en permettant d’évaluer le diamètre des axones à partir de
l’IRM (Zhang et al., 2011). Par ailleurs, le CC contient un grand nombre d’axones reliant
de nombreuses régions (Hofer et Frahm, 2006; Witelson, 1989; Zaidel et Iacoboni, 2003).
En ce qui a trait à l’aire totale du CC, ses fluctuations pourraient ne pas être suffisamment
spécifiques aux axones transcalleux reliant les systèmes moteurs. De même, les fluctuations
de l’aire des sous-divisions comprenant principalement les fibres transcalleuses reliées aux
systèmes moteurs pourraient aussi ne pas être assez spécifiques aux régions corticales
responsables du mouvement des doigts. Nos résultats montrent d’ailleurs que seule une
fraction de ces sous-divisions comprend des fibres transcalleuses reliant les régions
corticales activées par les mouvements de la main motrices et reconstruites par
.
83
tractographie. De plus, il est intéressant de noter qu’ils concordent davantage avec les
nouvelles sous-divisions établies par Hofer et al. (2006) que celles de Witelson (1989).
D’autre part, la faible taille de l’échantillon ne nous permet pas d’exclure la présence d’une
faible relation entre l’aire du CC et la DLE. Nos résultats permettent seulement de conclure
qu’il n’y a pas de forte corrélation entre la DLE main droite ou gauche et l’aire totale du
CC, de la sous-division Hofer 3 ou de la sous-division Witelson 2.
En ce qui a trait aux topographes de la DLE main gauche (figure 33), les sous-divisions
Witelson 4 et Hofer 4 présentent des coefficients de corrélation globalement plus élevés
que les autres. Cependant, la signification de cette tendance est difficile à déterminer
puisque de nombreux calculs statistiques ont dû être effectués pour obtenir ces graphiques.
De plus, ces sous-divisions sont les plus petites. Elles sont donc plus susceptibles d’être
influencées par la variabilité qu’introduit la segmentation manuelle. Néanmoins, ces sous-
divisions sont reconnues pour contenir principalement les fibres transcalleuses reliant les
régions corticales responsables de l’information sensorielle (Hofer et Frahm, 2006;
Witelson, 1989). Cette tendance pourrait donc refléter une contribution de l’information
sensorielle au traitement de l’information motrice et à la DLE, telle que suggérée par
d’autres études (Stancák et al., 2002; Witham et al., 2007).
.
84
En ce qui a trait à la relation entre la DLE moyenne des électrodes significatives et les
mesures de la DTI, aucune des corrélations de Spearman calculée n’est significative. De
plus, aucune distribution ne semble ressortir de l’analyse des topographes illustrant la
relation entre la DLE main gauche et les mesures. Toutefois, l’analyse des topographes de
la figure 35, illustrant la relation entre la DLE main droite et les mesures de la DTI,
démontre deux distributions intéressantes. Sur le topographe illustrant la relation entre la
MD et la puissance de la DLE, les électrodes situées près de C4 suggèrent la présence
d’une corrélation positive entre la MD et la DLE des électrodes centrales. Puisque la DLE
est négative, cette distribution pourrait signifier qu’un participant ayant une MD plus faible
produirait une DLE plus puissante au niveau des électrodes centrales. Cette corrélation
inverse semble plausible, puisqu’une diminution de la MD est signe d’une augmentation
des obstacles à la diffusion (Mukherjee et al., 2008). Simplifié, cela pourrait signifier une
augmentation de la densité des structures dans le voxel étudié. Toutefois, la signification
des fluctuations de MD au niveau histologique reste controversée (Le Bihan et al., 2006).
Par ailleurs, sur le topographe illustrant la relation entre la FA et la puissance de la DLE,
les électrodes situées près de C4 montrent une suggèrent la présence d’une corrélation
négative entre la FA et la DLE. La DLE étant négative, cette distribution signifierait qu’un
participant ayant une FA plus élevée produirait une DLE plus puissante. Une FA plus
élevée peut refléter deux phénomènes, soit des faisceaux plus organisés, davantage
parallèles, ou une meilleure myélinisation (Mukherjee et al., 2008). Toutefois, les faisceaux
sur la coupe mi-sagittale du CC sont particulièrement parallèles (Aboitiz et al., 1992b).
Ainsi, ces résultats pourraient signifier qu’un individu dont les axones du CC sont mieux
myélinisés génère une DLE plus puissante au niveau du cortex moteur ipsilatéral. Cette
distribution concorderait avec les résultats d’une étude montrant une corrélation entre la FA
et l’activation du cortex moteur ipsilatéral mesurée par IRMf lors d’un mouvement
unimanuel (Putnam et al., 2008). Toutefois, il est important de souligner que de nombreux
calculs ont dû être effectués pour générer les topographes et que les coefficient de
corrélations maximaux obtenus atteignent seulement 0,5. Ainsi, il est impossible d’accorder
de signification statistique à ces résultats. En ce sens, ils suggèrent seulement la pertinence
d’évaluer plus spécifiquement la présence d’une relation entre la MD ou la FA et la
puissance de la DLE dans le cadre d’une étude constituée d’un échantillon plus grand.
.
85
De plus, certaines analyses post-hoc ont été effectuées sur les données. Un ratio entre la
DLE main droite et la DLE main gauche a été calculé à chacune des électrodes et mis en
relation avec les métriques de la DTI. Toutefois, ces analyses n’ont donné aucun résultat
significatif et ne sont donc pas davantage détaillées dans ce mémoire.
.
86
certains auteurs suggèrent que la fréquence la plus réactive pourrait être variable entre les
sujets (Klimesch et al., 1999). Il aurait donc pu être préférable de calculer la DLE pour un
spectre de fréquences individualisé à chacun des participants. Nous avons donc vérifié
l’influence du choix de fréquence sur les résultats obtenus et à l’intérieur du spectre de
fréquence de 15 à 25 Hz, les résultats obtenus changent peu.
Un autre facteur pouvant affecter les résultats de cette étude est la vitesse du mouvement. Il
aurait été intéressant de pouvoir mesurer la vitesse d’exécution de la tâche motrice afin
d’évaluer si elle pouvait être liée à la puissance de la DLE. Toutefois, tel que présenté dans
la recension, les résultats des études adressant l’impact de ce facteur sur la DLE sont
contradictoires. Dans le cadre de cette étude, il a été choisi de standardiser la complexité du
mouvement, reconnue comme étant liée à la DLE (Hummel et al., 2003; Manganotti et al.,
1998), en demandant aux participants d’effectuer la séquence motrice le plus rapidement
possible plutôt que d’imposer un rythme au participant. De plus, ce choix permettait
d’obtenir un rythme interne, ce qui maximise la DLE.
.
87
4.8. Conclusion
Cette étude n’est pas parvenue à mettre en évidence une relation suffisamment forte entre le
CC et la DLE pour permettre la standardisation de cette mesure. Toutefois, elle constitue un
premier pas dans cette direction et ouvre la porte à quelques avenues intéressantes à
explorer. Les distributions des corrélations entre la FA et la MD, respectivement positive et
négative, avec la puissance de la DLE au niveau des électrodes centrales sont
particulièrement prometteuses. Une prochaine étude explorant spécifiquement ces relations
et composée d’un échantillon plus grand pourrait être en mesure d’investiguer davantage
ces pistes. De même, elle suggère la présence d’une relation entre l’organisation structurelle
du cerveau et la variabilité interindividuelle de la DLE. Ainsi, l’exploration d’autres
structures anatomiques pourrait être tout aussi prometteuse. De plus, l’absence de relation
entre la DLE produite par des mouvements de la main dominante et de la main non
dominante renforce la théorie selon laquelle des mécanismes différents en serait la source.
.
88
10REMERCIEMENTS
.
89
Aboitiz, F., Scheibel, B., Fisher, R. S., et Zaidel, E. (1992a). Fiber composition of the human corpus
callosum. Brain Research, 598(1-2), 143–53.
Aboitiz, F., Scheibel, B., Fisher, R. S., et Zaidel, E. (1992b). Individual differences in brain asymmetries and
fiber composition in the human corpus callosum. Brain Research, 598(1-2), 154–61.
Ahmadian, P., Cagnoni, S., et Ascari, L. (2013). How capable is non-invasive EEG data of predicting the next
movement? A mini review. Frontiers in Human Neuroscience, 7(April), 124.
Alegre, M., de Gurtubay, I. G., Labarga, A., Iriarte, J., Malanda, A., et Artieda, J. (2004). Alpha and beta
oscillatory activity during a sequence of two movements. Clinical Neurophysiology, 115(1), 124–130.
Alegre, M., Gurtubay, I. G., Labarga, A., Iriarte, J., Malanda, A., et Artieda, J. (2003). Alpha and beta
oscillatory changes during stimulus-induced movement paradigms: effect of stimulus predictability.
Neuroreport, 14(3), 381–5.
Alegre, M., Labarga, A., Gurtubay, I. G., Iriarte, J., Malanda, A., et Artieda, J. (2002). Beta
electroencephalograph changes during passive movements: sensory afferences contribute to beta event-
related desynchronization in humans. Neuroscience Letters, 331(1), 29–32.
Assaf, Y., et Pasternak, O. (2008). Diffusion tensor imaging (DTI)-based white matter mapping in brain
research: a review. Journal of Molecular Neuroscience : MN, 34(1), 51–61.
Avants, B. B., Tustison, N. J., Song, G., Cook, P. a, Klein, A., et Gee, J. C. (2011). A reproducible evaluation
of ANTs similarity metric performance in brain image registration. NeuroImage, 54(3), 2033–44.
Babiloni, C., Babiloni, F., Carducci, F., Cincotti, F., Cocozza, G., Del Percio, C., … Rossini, P. M. (2002).
Human Cortical Electroencephalography (EEG) Rhythms during the Observation of Simple Aimless
Movements: A High-Resolution EEG Study. NeuroImage, 17(2), 559–572.
Bai, O., Lin, P., Vorbach, S., Floeter, M. K., Hattori, N., et Hallett, M. (2008). A high performance
sensorimotor beta rhythm-based brain-computer interface associated with human natural motor
behavior. Journal of Neural Engineering, 5(1), 24–35.
Bai, O., Mari, Z., Vorbach, S., et Hallett, M. (2005). Asymmetric spatiotemporal patterns of event-related
desynchronization preceding voluntary sequential finger movements: a high-resolution EEG study.
Clinical Neurophysiology : Official Journal of the International Federation of Clinical
Neurophysiology, 116(5), 1213–21.
Basser, P. J., et Jones, D. K. (2002). Diffusion-tensor MRI: theory, experimental design and data analysis - a
technical review. NMR in Biomedicine, 15(7-8), 456–67.
Bishop, K. M., et Wahlsten, D. (1997). Sex differences in the human corpus callosum: myth or reality?
Neuroscience and Biobehavioral Reviews, 21(5), 581–601.
Blumenfeld, H. (2010). Neuroanatomy through clinical cases. Sunderland, Mass: Sinauer Associates.
Burgess, A., et Gruzelier, J. (1993). Individual reliability of amplitude distribution in topographical mapping
of EEG. Electroencephalography and Clinical Neurophysiology, 86(4), 219–23.
.
90
Caminiti, R., Carducci, F., Piervincenzi, C., Battaglia-Mayer, A., Confalone, G., Visco-Comandini, F., …
Innocenti, G. M. (2013). Diameter, length, speed, and conduction delay of callosal axons in macaque
monkeys and humans: comparing data from histology and magnetic resonance imaging diffusion
tractography. The Journal of Neuroscience : The Official Journal of the Society for Neuroscience,
33(36), 14501–11.
Carson, R. G. (2005). Neural pathways mediating bilateral interactions between the upper limbs. Brain
Research. Brain Research Reviews, 49(3), 641–62.
Cascio, C., Styner, M., Smith, R. G., Poe, M. D., Gerig, G., Hazlett, H. C., … Piven, J. (2006). Reduced
relationship to cortical white matter volume revealed by tractography-based segmentation of the corpus
callosum in young children with developmental delay. The American Journal of Psychiatry, 163(12),
2157–63.
Cassim, F., Szurhaj, W., et Sediri, H. (2000). Brief and sustained movements: differences in event-related (de)
synchronization (ERD/ERS) patterns. Clinical …, 111, 2032–2039.
Catani, M., et Thiebaut de Schotten, M. (2008). A diffusion tensor imaging tractography atlas for virtual in
vivo dissections. Cortex; a Journal Devoted to the Study of the Nervous System and Behavior, 44(8),
1105–32.
Cincotta, M., et Ziemann, U. (2008). Neurophysiology of unimanual motor control and mirror movements.
Clinical Neurophysiology : Official Journal of the International Federation of Clinical
Neurophysiology, 119(4), 744–62.
Cointepas, Y., Poupon, C., Maroy, R., Riviere, D., Le Bihan, D., et Mangin, J. F. (2003). A freely available
Anatomist/BrainVISA package for analysis of diffusion MR data. In Proceedings of the Ninth HBM
Scientific Meeting, New-York. NeuroImage (Vol. 19, p. 810).
Collinger, J. L., Wodlinger, B., Downey, J. E., Wang, W., Tyler-Kabara, E. C., Weber, D. J., … Schwartz, A.
B. (2013). High-performance neuroprosthetic control by an individual with tetraplegia. Lancet,
381(9866), 557–64.
Contreras-Vidal, J., et Presacco, A. (2012). Restoration of Whole Body Movement: Toward a Noninvasive
Brain-Machine Interface System. Pulse, IEEE, 3(1), 34–37.
Crone, N. E., Miglioretti, D. L., Gordon, B., Sieracki, J. M., Wilson, M. T., Uematsu, S., et Lesser, R. P.
(1998). Functional mapping of human sensorimotor cortex with electrocorticographic spectral analysis.
I. Alpha and beta event-related desynchronization. Brain : A Journal of Neurology, 121 ( Pt 1, 2271–99.
Cuffin, B. (1993). Effects of local variations in skull and scalp thickness on EEG’s and MEG's. Biomedical
Engineering, IEEE Transactions on, 40(9204552), 42–48.
.
91
Dauguet, J., Peled, S., Berezovskii, V., Delzescaux, T., Warfield, S. K., Born, R., et Westin, C.-F. (2007).
Comparison of fiber tracts derived from in-vivo DTI tractography with 3D histological neural tract
tracer reconstruction on a macaque brain. NeuroImage, 37(2), 530–8.
Debener, S., Minow, F., Emkes, R., Gandras, K., et de Vos, M. (2012). How about taking a low-cost, small,
and wireless EEG for a walk? Psychophysiology, 49(11), 1449–53.
Delorme, A., et Makeig, S. (2004). EEGLAB: An open source toolbox for analysis of single-trial EEG
dynamics including independent component analysis. Journal of Neuroscience Methods, 134(1), 9–21.
Derambure, P., Defebvre, L., et Bourriez, J. (1999). Désynchronisation and synchronisation liées à
l’évènement: Étude de la réactivité des rythmes électrocorticaux en relation avec la planification and
l'exécution du mouvement volontaire. Neurophysiologie Clinique, 29(1), 53–70.
Derambure, P., Defebvre, L., Dujardin, K., Bourriez, J. L., Jacquesson, J. M., Destee, a, et Guieu, J. D.
(1993). Effect of aging on the spatio-temporal pattern of event-related desynchronization during a
voluntary movement. Electroencephalography and Clinical Neurophysiology, 89(3), 197–203.
Descoteaux, M. (2008). High Angular Resolution Diffusion MRI: from Local Estimation to Segmentation and
Tractography. Université de Nice-Sophia Antipolis.
Descoteaux, M., et Deriche, R. (2009). High Angular Resolution Diffusion MRI Segmentation Using Region-
Based Statistical Surface Evolution. Journal of Mathematical Imaging and Vision, 33(2), 239–252.
Doppelmayr, M., Klimesch, W., Hödlmoser, K., Sauseng, P., et Gruber, W. (2005). Intelligence related upper
alpha desynchronization in a semantic memory task. Brain Research Bulletin, 66(2), 171–7.
Doppelmayr, M., Klimesch, W., Pachinger, T., et Ripper, B. (1998). The functional significance of absolute
power with respect to event-related desynchronization. Brain Topography, 11(2), 133–40.
Doyle, L. M. F., Yarrow, K., et Brown, P. (2005). Lateralization of event-related beta desynchronization in
the EEG during pre-cued reaction time tasks. Clinical Neurophysiology : Official Journal of the
International Federation of Clinical Neurophysiology, 116(8), 1879–88.
Erbil, N., et Ungan, P. (2007). Changes in the alpha and beta amplitudes of the central EEG during the onset,
continuation, et offset of long-duration repetitive hand movements. Brain Research, 1169(2004), 44–56.
Ermentrout, G. B., Galán, R. F., et Urban, N. N. (2008). Reliability, synchrony and noise. Trends in
Neurosciences, 31(8), 428–34.
Formaggio, E., Storti, S. F., Boscolo Galazzo, I., Gandolfi, M., Geroin, C., Smania, N., … Manganotti, P.
(2013). Modulation of event-related desynchronization in robot-assisted hand performance: brain
oscillatory changes in active, passive and imagined movements. Journal of Neuroengineering and
Rehabilitation, 10(1), 24.
Fortin, F., Côté, J., et Filion, F. (2006). Fondements and étapes du processus de recherche (p. 656). Montréal
Chenelière-éducation.
Gastaut, H., Terzian, H., et Gastaut, Y. (1952). [Study of a little electroencephalographic activity: rolandic
arched rhythm]. Marseille Médical, 89(6), 296–310.
Geffen, G., Jones, D., et Geffen, L. (1994). Interhemispheric control of manual motor activity. Behavioural
Brain Research, 64, 131–140.
.
92
Geffroy, D., Rivière, D., Denghien, I., Souedet, N., Laguitton, S., et Cointepas, Y. (2011). BrainVISA: a
complete software platform for neuroimaging. In Python in Neuroscience workshop, Paris.
Girard, G. (2013). Tractographie en imagerie par resonance magnetique de diffusion: Approches avec a
priori anatomiques. ProQuest, UMI Dissertations Publishing.
Gooijers, J., Caeyenberghs, K., Sisti, H. M., Geurts, M., Heitger, M. H., Leemans, A., et Swinnen, S. P.
(2013). Diffusion tensor imaging metrics of the corpus callosum in relation to bimanual coordination:
effect of task complexity and sensory feedback. Human Brain Mapping, 34(1), 241–52.
Gourab, K., et Schmit, B. D. (2010). Changes in movement-related β-band EEG signals in human spinal cord
injury. Clinical Neurophysiology : Official Journal of the International Federation of Clinical
Neurophysiology, 121(12), 2017–23.
Gudmundsson, S., Runarsson, T. P., Sigurdsson, S., Eiriksdottir, G., et Johnsen, K. (2007). Reliability of
quantitative EEG features. Clinical Neurophysiology : Official Journal of the International Federation
of Clinical Neurophysiology, 118(10), 2162–71.
Harris, J. B. (2005). Differential conditioning of alpha amplitude: a fresh look at an old phenomenon. Clinical
Neurophysiology : Official Journal of the International Federation of Clinical Neurophysiology, 116(6),
1433–43.
Hartline, D. K., et Colman, D. R. (2007). Rapid conduction and the evolution of giant axons and myelinated
fibers. Current Biology : CB, 17(1), R29–35.
Hofer, S., et Frahm, J. (2006). Topography of the human corpus callosum revisited-comprehensive fiber
tractography using diffusion tensor magnetic resonance imaging. NeuroImage, 32(3), 989–94.
Hofer, S., Merboldt, K.-D., Tammer, R., et Frahm, J. (2008). Rhesus monkey and human share a similar
topography of the corpus callosum as revealed by diffusion tensor MRI in vivo. Cerebral Cortex (New
York, N.Y. : 1991), 18(5), 1079–84.
Homan, R. W., Herman, J., et Purdy, P. (1987). Cerebral location of international 10-20 system electrode
placement. Electroencephalography and Clinical Neurophysiology, 66(4), 376–82.
Houweling, S., Beek, P. J., et Daffertshofer, A. (2010). Spectral changes of interhemispheric crosstalk during
movement instabilities. Cerebral Cortex (New York, N.Y. : 1991), 20(11), 2605–13.
Howard, M. a, Roberts, N., García-Fiñana, M., et Cowell, P. E. (2003). Volume estimation of prefrontal
cortical subfields using MRI and stereology. Brain Research. Brain Research Protocols, 10(3), 125–38.
Huang, D., Qian, K., Fei, D., Jia, W., Chen, X., et Bai, O. (2012). Electroencephalography (EEG)-based
brain-computer interface (BCI): a 2-D virtual wheelchair control based on event-related
desynchronization/synchronization and state control. IEEE Transactions on Neural Systems and
Rehabilitation Engineering : A Publication of the IEEE Engineering in Medicine and Biology Society,
20(3), 379–88.
Hughes, J. R. (2007). Autism: the first firm finding = underconnectivity? Epilepsy and Behavior : E&B,
11(1), 20–4.
.
93
Hummel, F., Kirsammer, R., et Gerloff, C. (2003). Ipsilateral cortical activation during finger sequences of
increasing complexity: representation of movement difficulty or memory load? Clinical
Neurophysiology, 114(4), 605–613.
Huston, J. M., et Field, A. S. (2013). Clinical applications of diffusion tensor imaging. Magnetic Resonance
Imaging Clinics of North America, 21(2), 279–98.
Innocenti, G. M., Vercelli, A., et Caminiti, R. (2013). The Diameter of Cortical Axons Depends Both on the
Area of Origin and Target. Cerebral Cortex (New York, N.Y. : 1991), 1–11.
Iturria-Medina, Y., Pérez Fernández, A., Morris, D. M., Canales-Rodríguez, E. J., Haroon, H. a, García
Pentón, L., … Melie-García, L. (2011). Brain hemispheric structural efficiency and interconnectivity
rightward asymmetry in human and nonhuman primates. Cerebral Cortex (New York, N.Y. : 1991),
21(1), 56–67.
Jäncke, L., et Steinmetz, H. (2003). Brain size: a possible source of interindividual variability in corpus
callosum morphology. The Parallel Brain: The Cognitive Neuroscience of the Corpus Callosum, 51–63.
Jenkinson, M., Bannister, P., Brady, M., et Smith, S. (2002). Improved Optimization for the Robust and
Accurate Linear Registration and Motion Correction of Brain Images. NeuroImage, 17(2), 825–841.
Jeon, Y., Nam, C. S., Kim, Y.-J., et Whang, M. C. (2011). Event-related (De)synchronization (ERD/ERS)
during motor imagery tasks: Implications for brain–computer interfaces. International Journal of
Industrial Ergonomics, 41(5), 428–436.
Johansen-Berg, H., Della-Maggiore, V., Behrens, T. E. J., Smith, S. M., et Paus, T. (2007). Integrity of white
matter in the corpus callosum correlates with bimanual co-ordination skills. NeuroImage, 36 Suppl 2,
T16–21.
John, J. P., Shakeel, M. K., et Jain, S. (2008). Corpus callosal area differences and gender dimorphism in
neuroleptic-naïve, recent-onset schizophrenia and healthy control subjects. Schizophrenia Research,
103(1-3), 11–21.
Kanaan, R. a, Allin, M., Picchioni, M., Barker, G. J., Daly, E., Shergill, S. S., … McGuire, P. K. (2012).
Gender differences in white matter microstructure. PloS One, 7(6), e38272.
Kastler, B., et Allal, R. (2011). Comprendre l’IRM: manuel d'auto-apprentissage (Elsevier M.). Issy-les-
Moulineaux [France]: Masson.
Klimesch, W. (1999). EEG alpha and theta oscillations reflect cognitive and memory performance: a review
and analysis. Brain Research. Brain Research Reviews, 29(2-3), 169–95.
Klimesch, W., Vogt, F., et Doppelmayr, M. (1999). Interindividual differences in alpha and theta power
reflect memory performance. Intelligence, 27(4), 347–362.
Kondacs, a, et Szabó, M. (1999). Long-term intra-individual variability of the background EEG in normals.
Clinical Neurophysiology : Official Journal of the International Federation of Clinical
Neurophysiology, 110(10), 1708–16.
Labyt, E., Szurhaj, W., Bourriez, J.-L., Cassim, F., Defebvre, L., Destée, a, et Derambure, P. (2004).
Influence of aging on cortical activity associated with a visuo-motor task. Neurobiology of Aging, 25(6),
817–27.
.
94
Le Bihan, D. (2003). Looking into the functional architecture of the brain with diffusion MRI. Nature
Reviews. Neuroscience, 4(6), 469–80.
Le Bihan, D., et Breton, E. (1985). Imagerie de diffusion in-vivo par resonance magnetique nucleaire.
Comptes-Rendus de l’Académie Des Sciences, 93(5), 27–34.
Le Bihan, D., Mangin, J. F., Poupon, C., Clark, C. a, Pappata, S., Molko, N., et Chabriat, H. (2001). Diffusion
tensor imaging: concepts and applications. Journal of Magnetic Resonance Imaging : JMRI, 13(4), 534–
46.
Le Bihan, D., Poupon, C., Amadon, A., et Lethimonnier, F. (2006). Artifacts and pitfalls in diffusion MRI.
Journal of Magnetic Resonance Imaging : JMRI, 24(3), 478–88.
Lebel, C., Caverhill-Godkewitsch, S., et Beaulieu, C. (2010). Age-related regional variations of the corpus
callosum identified by diffusion tensor tractography. NeuroImage, 52(1), 20–31.
Leergaard, T. B., White, N. S., de Crespigny, A., Bolstad, I., D’Arceuil, H., Bjaalie, J. G., et Dale, A. M.
(2010). Quantitative histological validation of diffusion MRI fiber orientation distributions in the rat
brain. PloS One, 5(1), e8595.
Leocani, L., Toro, C., Zhuang, P., Gerloff, C., et Hallett, M. (2001). Event-related desynchronization in
reaction time paradigms: a comparison with event-related potentials and corticospinal excitability.
Clinical Neurophysiology : Official Journal of the International Federation of Clinical
Neurophysiology, 112(5), 923–30.
Liu, F., Vidarsson, L., Winter, J. D., Tran, H., et Kassner, A. (2010). Sex differences in the human corpus
callosum microstructure: a combined T2 myelin-water and diffusion tensor magnetic resonance imaging
study. Brain Research, 1343, 37–45.
Luders, E., Cherbuin, N., Thompson, P. M., Gutman, B., Anstey, K. J., Sachdev, P., et Toga, A. W. (2010).
When more is less: associations between corpus callosum size and handedness lateralization.
NeuroImage, 52(1), 43–9.
Luders, E., et Toga, A. W. (2010). Sex differences in brain anatomy. Progress in Brain Research, 186, 3–12.
Luders, E., Toga, A. W., et Thompson, P. M. (2014). Why size matters: differences in brain volume account
for apparent sex differences in callosal anatomy: the sexual dimorphism of the corpus callosum.
NeuroImage, 84, 820–4.
Makeig, S., Debener, S., Onton, J., et Delorme, A. (2004). Mining event-related brain dynamics. Trends in
Cognitive Sciences, 8(5), 204–10.
Manganotti, P., Gerloff, C., Toro, C., Katsuta, H., Sadato, N., Zhuang, P., … Hallett, M. (1998). Task-related
coherence et task-related spectral power changes during sequential finger movements.
Electroencephalography and Clinical Neurophysiology, 109(1), 50–62.
Mazziotta, J., Toga, A., Evans, A., Fox, P., Lancaster, J., Zilles, K., … Mazoyer, B. (2001). A probabilistic
atlas and reference system for the human brain: International Consortium for Brain Mapping (ICBM).
Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences, 356(1412),
1293–322.
.
95
Menzler, K., Belke, M., Wehrmann, E., Krakow, K., Lengler, U., Jansen, a, … Knake, S. (2011). Men and
women are different: diffusion tensor imaging reveals sexual dimorphism in the microstructure of the
thalamus, corpus callosum and cingulum. NeuroImage, 54(4), 2557–62.
Meyer, B. U., Röricht, S., et Woiciechowsky, C. (1998). Topography of fibers in the human corpus callosum
mediating interhemispheric inhibition between the motor cortices. Annals of Neurology, 43(3), 360–9.
Morash, V., Bai, O., Furlani, S., Lin, P., et Hallett, M. (2008). Classifying EEG signals preceding right hand,
left hand, tongue, and right foot movements and motor imageries. Clinical Neurophysiology : Official
Journal of the International Federation of Clinical Neurophysiology, 119(11), 2570–8.
Mukherjee, P., Berman, J. I., Chung, S. W., Hess, C. P., et Henry, R. G. (2008). Diffusion tensor MR imaging
and fiber tractography: theoretic underpinnings. AJNR. American Journal of Neuroradiology, 29(4),
632–41.
Mukherjee, P., Chung, S. W., Berman, J. I., Hess, C. P., et Henry, R. G. (2008). Diffusion tensor MR imaging
and fiber tractography: technical considerations. AJNR. American Journal of Neuroradiology, 29(5),
843–52.
Musall, S., von Pföstl, V., Rauch, A., Logothetis, N. K., et Whittingstall, K. (2014). Effects of neural
synchrony on surface EEG. Cerebral Cortex (New York, N.Y. : 1991), 24(4), 1045–53.
Neuper, C., Grabner, R. H., Fink, A., et Neubauer, A. C. (2005). Long-term stability and consistency of EEG
event-related (de-)synchronization across different cognitive tasks. Clinical Neurophysiology : Official
Journal of the International Federation of Clinical Neurophysiology, 116(7), 1681–94.
Nierula, B., Hohlefeld, F. U., Curio, G., et Nikulin, V. V. (2013). No somatotopy of sensorimotor alpha-
oscillation responses to differential finger stimulation. NeuroImage, 76, 294–303.
O’Sullivan, S. S., Mullins, G. M., Cassidy, E. M., et McNamara, B. (2006). The role of the standard EEG in
clinical psychiatry. Human Psychopharmacology, 21(4), 265–71.
Ohara, S., Ikeda, a, Kunieda, T., Yazawa, S., Baba, K., Nagamine, T., … Shibasaki, H. (2000). Movement-
related change of electrocorticographic activity in human supplementary motor area proper. Brain : A
Journal of Neurology, 123 ( Pt 6, 1203–15.
Oldfield, R. C. (1971, March). The assessment et analysis of handedness: the Edinburgh inventory.
Neuropsychologia.
Ono, T., Kimura, A., et Ushiba, J. (2013). Daily training with realistic visual feedback improves
reproducibility of event-related desynchronisation following hand motor imagery. Clinical
Neurophysiology : Official Journal of the International Federation of Clinical Neurophysiology, 124(9),
1779–86.
.
96
Pantel, J., Schröder, J., et Jauss, M. (1999). Topography of callosal atrophy reflects distribution of regional
cerebral volume reduction in Alzheimer’s disease. Psychiatry Research: …, 181–192.
Pereira, A. C., Schomer, A., Feng, W., Najib, U., Yoo, W.-K., Vernet, M., … Pascual-Leone, A. (2012).
Anterior disconnection syndrome revisited using modern technologies. Neurology, 79(3), 290–1.
Perge, J. a, Niven, J. E., Mugnaini, E., Balasubramanian, V., et Sterling, P. (2012). Why do axons differ in
caliber? The Journal of Neuroscience : The Official Journal of the Society for Neuroscience, 32(2),
626–38.
Pfurtscheller, G. (2003). Induced oscillations in the alpha band: functional meaning. Epilepsia, 44 Suppl 1, 2–
8.
Pfurtscheller, G. (2006). The cortical activation model (CAM). Progress in Brain Research, 159(06), 19–27.
Pfurtscheller, G., et Andrew, C. (1999). Event-Related changes of band power and coherence: methodology
and interpretation. Journal of Clinical Neurophysiology : Official Publication of the American
Electroencephalographic Society, 16(6), 512–9.
Pfurtscheller, G., Graimann, B., Huggins, J. E., Levine, S. P., et Schuh, L. a. (2003). Spatiotemporal patterns
of beta desynchronization and gamma synchronization in corticographic data during self-paced
movement. Clinical Neurophysiology, 114(7), 1226–1236.
Pfurtscheller, G., et Neuper, C. (2006). Future prospects of ERD/ERS in the context of brain-computer
interface (BCI) developments. Progress in Brain Research, 159, 433–7.
Pfurtscheller, G., Neuper, C., Brunner, C., et da Silva, F. L. (2005). Beta rebound after different types of
motor imagery in man. Neuroscience Letters, 378(3), 156–9.
Pfurtscheller, G., Neuper, C., Flotzinger, D., et Pregenzer, M. (1997). EEG-based discrimination between
imagination of right and left hand movement. Electroencephalography and Clinical Neurophysiology,
103(6), 642–51.
Pfurtscheller, G., Woertz, M., Supp, G., et Lopes da Silva, F. H. (2003). Early onset of post-movement beta
electroencephalogram synchronization in the supplementary motor area during self-paced finger
movement in man. Neuroscience Letters, 339(2), 111–114.
Pfurtscheller, G., Zalaudek, K., et Neuper, C. (1998). Event-related beta synchronization after wrist, finger
and thumb movement. Electroencephalography and Clinical Neurophysiology, 109(2), 154–60.
Pollock, V. E., Schneider, L. S., et Lyness, S. a. (1991). Reliability of topographic quantitative EEG
amplitude in healthy late-middle-aged and elderly subjects. Electroencephalography and Clinical
Neurophysiology, 79(1), 20–6.
.
97
Pollok, B., Gross, J., et Schnitzler, A. (2006). How the brain controls repetitive finger movements. Journal of
Physiology, Paris, 99(1), 8–13.
Putnam, M. C., Wig, G. S., Grafton, S. T., Kelley, W. M., et Gazzaniga, M. S. (2008). Structural organization
of the corpus callosum predicts the extent and impact of cortical activity in the nondominant
hemisphere. The Journal of Neuroscience : The Official Journal of the Society for Neuroscience,
28(11), 2912–8.
Rau, C., Plewnia, C., Hummel, F., et Gerloff, C. (2003). Event-related desynchronization and excitability of
the ipsilateral motor cortex during simple self-paced finger movements. Clinical Neurophysiology,
114(10), 1819–1826.
Schmithorst, V. J., Holland, S. K., et Dardzinski, B. J. (2008). Developmental differences in white matter
architecture between boys and girls. Human Brain Mapping, 29(6), 696–710.
Schulter, G., Kreuzthaler, A., et Pfurtscheller, G. (1990). Ear dominance and laterality of cortical activation
identified by event-related desynchronization mapping. International Journal of Psychophysiology :
Official Journal of the International Organization of Psychophysiology, 8(3), 283–95.
Seehaus, A. K., Roebroeck, A., Chiry, O., Kim, D.-S., Ronen, I., Bratzke, H., … Galuske, R. a W. (2013).
Histological validation of DW-MRI tractography in human postmortem tissue. Cerebral Cortex (New
York, N.Y. : 1991), 23(2), 442–50.
Smith, R. J. (2005). Relative Size versus Controlling for Size: Interpretation of Ratios in Research on Sexual
Dimorphism in the Human Corpus Callosum. Current Anthropology, 46(2), 249–273.
Stancák, A., Cohen, E. R., Seidler, R. D., Duong, T. Q., et Kim, S.-G. (2003). The size of corpus callosum
correlates with functional activation of medial motor cortical areas in bimanual and unimanual
movements. Cerebral Cortex (New York, N.Y. : 1991), 13(5), 475–85.
Stancák, A., Feige, B., Lücking, C. H., et Kristeva-Feige, R. (2000). Oscillatory cortical activity and
movement-related potentials in proximal and distal movements. Clinical Neurophysiology : Official
Journal of the International Federation of Clinical Neurophysiology, 111(4), 636–50.
Stancák, A., Hoechstetter, K., Tintera, J., Vrana, J., Rachmanova, R., Kralik, J., et Scherg, M. (2002). Source
activity in the human secondary somatosensory cortex depends on the size of corpus callosum. Brain
Research, 936(1-2), 47–57.
Stancák, A., et Pfurtscheller, G. (1995). Desynchronization and recovery of β rhythms during brisk and slow
self-paced finger movements in man. Neuroscience Letters, 196(1-2), 21–4.
Stancák, A., et Pfurtscheller, G. (1996). Event-related desynchronisation of central beta-rhythms during brisk
and slow self-paced finger movements of dominant and nondominant hand. Cognitive Brain Research,
4(3), 171–183.
Stancák, A., et Pfurtscheller, G. (1997). Effects of handedness on movement-related changes of central beta
rhythms. Journal of Clinical Neurophysiology, 14(September), 419–428.
.
98
Stavrinou, M. L., Moraru, L., Cimponeriu, L., Della Penna, S., et Bezerianos, A. (2007). Evaluation of
cortical connectivity during real and imagined rhythmic finger tapping. Brain Topography, 19(3), 137–
45.
Szurhaj, W., Labyt, E., Bourriez, J. L., Cassim, F., Defebvre, L., Hauser, J. J., … Derambure, P. (2001).
Event-related variations in the activity of EEG-rhythms. Application to the physiology and the
pathology of movements. Epileptic Disorders : International Epilepsy Journal with Videotape, Special
Is, 59–66.
Takahashi, M., Takeda, K., Otaka, Y., Osu, R., Hanakawa, T., Gouko, M., et Ito, K. (2012). Event related
desynchronization-modulated functional electrical stimulation system for stroke rehabilitation: a
feasibility study. Journal of Neuroengineering and Rehabilitation, 9(1), 56.
Tepest, R., Jacobi, E., Gawronski, A., Krug, B., Möller-Hartmann, W., Lehnhardt, F. G., et Vogeley, K.
(2010). Corpus callosum size in adults with high-functioning autism and the relevance of gender.
Psychiatry Research, 183(1), 38–43.
Toma, K., Mima, T., Matsuoka, T., Gerloff, C., Ohnishi, T., Koshy, B., … Hallett, M. (2002). Movement rate
effect on activation and functional coupling of motor cortical areas. Journal of Neurophysiology, 88(6),
3377–85.
Tournier, J.-D., Calamante, F., et Connelly, A. (2012). MRtrix: Diffusion tractography in crossing fiber
regions. International Journal of Imaging Systems and Technology, 22(1), 53–66.
Uitenbroek, D. G. (1997). SISA Binomial. Southampton: D.G. Uitenbroek. Récupéré le 12 juin 2014 à
l’adresse http://www.quantitativeskills.com/sisa/distributions/binomial.htm.
Vaillancourt, O., Girard, G., Boré, A., et Descoteaux, M. (2010). A Fiber Navigator for Neurosurgical
Planningmess. In IEEE Visualization (Vol. 231).
Vallesi, A., McIntosh, A. R., Kovacevic, N., Chan, S. C. C., et Stuss, D. T. (2010). Age effects on the
asymmetry of the motor system: evidence from cortical oscillatory activity. Biological Psychology,
85(2), 213–8.
Van der Knaap, L. J., et van der Ham, I. J. M. (2011). How does the corpus callosum mediate
interhemispheric transfer? A review. Behavioural Brain Research, 223(1), 211–21.
Van Wijk, B. C. M., Beek, P. J., et Daffertshofer, A. (2012a). Differential modulations of ipsilateral and
contralateral beta (de)synchronization during unimanual force production. The European Journal of
Neuroscience, 36(1), 2088–97.
Van Wijk, B. C. M., Beek, P. J., et Daffertshofer, A. (2012b). Neural synchrony within the motor system:
what have we learned so far? Frontiers in Human Neuroscience, 6(September), 252.
Voineskos, A. N., Farzan, F., Barr, M. S., Lobaugh, N. J., Mulsant, B. H., Chen, R., … Daskalakis, Z. J.
(2010). The role of the corpus callosum in transcranial magnetic stimulation induced interhemispheric
signal propagation. Biological Psychiatry, 68(9), 825–31.
.
99
Voineskos, A. N., Rajji, T. K., Lobaugh, N. J., Miranda, D., Shenton, M. E., Kennedy, J. L., … Mulsant, B.
H. (2012). Age-related decline in white matter tract integrity and cognitive performance: a DTI
tractography and structural equation modeling study. Neurobiology of Aging, 33(1), 21–34.
Wahl, M., Lauterbach-Soon, B., Hattingen, E., Jung, P., Singer, O., Volz, S., … Ziemann, U. (2007). Human
motor corpus callosum: topography, somatotopy, and link between microstructure and function. The
Journal of Neuroscience : The Official Journal of the Society for Neuroscience, 27(45), 12132–8.
Wang, S. S.-H., Shultz, J. R., Burish, M. J., Harrison, K. H., Hof, P. R., Towns, L. C., … Wyatt, K. D. (2008).
Functional trade-offs in white matter axonal scaling. The Journal of Neuroscience : The Official Journal
of the Society for Neuroscience, 28(15), 4047–56.
Westerhausen, R., Kompus, K., Dramsdahl, M., Falkenberg, L. E., Grüner, R., Hjelmervik, H., … Hugdahl,
K. (2011). A critical re-examination of sexual dimorphism in the corpus callosum microstructure.
NeuroImage, 56(3), 874–80.
Westerhausen, R., Kreuder, F., Dos Santos Sequeira, S., Walter, C., Woerner, W., Wittling, R. A., …
Wittling, W. (2004). Effects of handedness and gender on macro- and microstructure of the corpus
callosum and its subregions: a combined high-resolution and diffusion-tensor MRI study. Brain
Research. Cognitive Brain Research, 21(3), 418–26.
Westerhausen, R., Kreuder, F., Woerner, W., Huster, R. J., Smit, C. M., Schweiger, E., et Wittling, W.
(2006). Interhemispheric transfer time and structural properties of the corpus callosum. Neuroscience
Letters, 409(2), 140–5.
Whitford, T. J., Kubicki, M., Ghorashi, S., Schneiderman, J. S., Hawley, K. J., McCarley, R. W., … Spencer,
K. M. (2011). Predicting inter-hemispheric transfer time from the diffusion properties of the corpus
callosum in healthy individuals and schizophrenia patients: a combined ERP and DTI study.
NeuroImage, 54(3), 2318–29.
Whittingstall, K., Bartels, A., Singh, V., Kwon, S., et Logothetis, N. K. (2010). Integration of EEG source
imaging and fMRI during continuous viewing of natural movies. Magnetc Resonance Imaging,
2010/06/29.
Witelson, S. F. (1989). Hand and sex differences in the isthmus and genu of the human corpus callosum. A
postmortem morphological study. Brain : A Journal of Neurology, 112, 799–835.
Witelson, S. F., et Goldsmith, C. H. (1991). The relationship of hand preference to anatomy of the corpus
callosum in men. Brain Research, 545(1-2), 175–82.
Witham, C. L., Wang, M., et Baker, S. N. (2007). Cells in somatosensory areas show synchrony with beta
oscillations in monkey motor cortex. The European Journal of Neuroscience, 26(9), 2677–86.
Wolpaw, J. R., Birbaumer, N., McFarland, D. J., Pfurtscheller, G., et Vaughan, T. M. (2002). Brain-computer
interfaces for communication and control. Clinical Neurophysiology : Official Journal of the
International Federation of Clinical Neurophysiology, 113(6), 767–91.
Wolpaw, J. R., et Wolpaw, E. W. (2012). Brain-computer interfaces: principles and practice. Oxford: Oxford
University Press.
Wu, Y.-C., Field, A. S., Whalen, P. J., et Alexander, A. L. (2011). Age- and gender-related changes in the
normal human brain using hybrid diffusion imaging (HYDI). NeuroImage, 54(3), 1840–53.
.
100
Zaepffel, M., Trachel, R., Kilavik, B. E., et Brochier, T. (2013). Modulations of EEG beta power during
planning and execution of grasping movements. PloS One, 8(3), e60060.
Zaidel, E., et Iacoboni, M. (2003). The parallel brain: the cognitive neuroscience of the corpus callosum.
Cambridge, Mass: MIT Press.
Zhang, H., Hubbard, P. L., Parker, G. J. M., et Alexander, D. C. (2011). Axon diameter mapping in the
presence of orientation dispersion with diffusion MRI. NeuroImage, 56(3), 1301–15.
.
101
.
102
.
103
POUR INFORMATION
Nous sollicitons votre participation à un projet de recherche, car nous avons besoin de
sujets en santé pour mieux comprendre le phénomène de connectivité fonctionnelle
dans le cerveau humain. Cependant, avant d’accepter de participer à ce projet, veuillez
prendre le temps de lire, de comprendre et de considérer attentivement les
renseignements qui suivent. Si vous acceptez de participer au projet de recherche,
vous devrez signer le formulaire de consentement à la fin du présent document et nous
vous en remettrons une copie pour vos dossiers.
Ce formulaire d’information et de consentement vous explique le but de ce projet de
recherche, les procédures, les risques et inconvénients ainsi que les avantages, de
même que les personnes avec qui communiquer au besoin. Il peut contenir des mots
que vous ne comprenez pas. Nous vous invitons à poser toutes les questions
nécessaires au chercheur responsable du projet ou aux autres personnes affectées au
projet de recherche et à leur demander de vous expliquer tout mot ou renseignement
qui n’est pas clair.
2013-15-03 Page 1 de 6
.
104
Visite d’acquisition : Pour une durée totale d’environ 2h45, la visite d’acquisition se
déroulera ainsi :
· Formulaire de consentement, explication et réponses aux questions (30 min);
Questionnaire de dépistage en vue d'une participation à une étude d'imagerie
par résonance magnétique (15 min);
· Préparation du participant et du matériel (75 min);
· Test simultané d’imagerie par résonance magnétique et d’électro-
encéphalographie (45 min).
2013-15-03 Page 2 de 6
.
105
2013-15-03 Page 3 de 6
.
106
Si le chercheur responsable du projet pense que cela est dans votre meilleur intérêt;
Si vous ne respectez pas les consignes du projet de recherche;
S’il existe des raisons administratives d’abandonner l’étude.
CONFIDENTIALITÉ
Durant votre participation à ce projet, le chercheur responsable du projet ainsi que son
personnel recueilleront et consigneront dans un dossier de recherche les
renseignements vous concernant. Seuls les renseignements nécessaires pour répondre
aux objectifs scientifiques de l’étude seront recueillis.
Tous ces renseignements recueillis au cours du projet demeureront strictement
confidentiels dans les limites prévues par la loi. Afin de préserver votre identité et la
confidentialité de ces renseignements, vous ne serez identifié que par un numéro de
code. La clé du code reliant votre nom à votre dossier de recherche sera conservée par
le chercheur responsable du projet de manière sécuritaire.
Les données de recherche seront conservées pendant 10 ans par le chercheur
responsable.
Les données pourront être publiées dans des revues spécialisées ou partagées avec
d’autres personnes lors de discussions scientifiques. Aucune publication ou
communication scientifique ne renfermera quoi que ce soit qui puisse permettre de vous
identifier.
Vous avez le droit de consulter votre dossier de recherche pour vérifier les
renseignements recueillis et les faire rectifier au besoin, et ce aussi longtemps que le
chercheur responsable du projet ou l’établissement détiennent ces informations.
Cependant, afin de préserver l'intégrité scientifique de l'étude, vous pourriez n’avoir
accès à certaines de ces informations qu'une fois l'étude terminée.
COMPENSATION
Vous recevrez une compensation de 40$ pour votre participation à ce projet de
recherche pour votre temps et afin de couvrir les frais occasionnés (transport,
stationnement ou autres).
INTERPRÉTATION MÉDICALE
Cette étude n’est en aucun cas reliée à votre dossier médical. Aucune interprétation ne
sera effectuée par un membre qualifié et autorisé à le faire, et les données ne seront
pas annexées à votre dossier médical.
2013-15-03 Page 4 de 6
.
107
PERSONNES-RESSOURCES
Si vous avez des questions concernant votre participation au projet de recherche, SVP
vous référer à l’encadré de la page 1.
Pour toute question concernant vos droits en tant que sujet participant à ce projet de
recherche ou si vous avez des plaintes ou des commentaires à formuler vous pouvez
communiquer avec la Commissaire locale aux plaintes et à la qualité des services du
CHUS au numéro suivant : 819-346-1110, poste 14525.
2013-15-03 Page 5 de 6
.
108
CONSENTEMENT
OUI NON
ENGAGEMENT DU CHERCHEUR
2013-15-03 Page 6 de 6
.
109